基于LMD的包络谱特征值在滚动轴承 故障诊断中的应用

滚动轴承故障振动信号往往是多分量的调幅-调频信号,而传统包络分析方法需要根据经验设置滤波器的中心频率与带宽,因而会带来解调误差.基于此,提出了一种基于局域均值分解(local mean decomposition,简称LMD)的包络谱特征值的滚动轴承故障诊断方法.该方法可以将一个多分量的调幅-调频信号分解成若干瞬时频率具有物理意义的PF (product function,简称PF )分量之和,由于每一个PF分量是分量包络信号和纯调频信号的积,因此可以直接对包络信号进行频谱分析得到包络谱.然后定义信号在包络谱中不同故障特征频率处的幅值比为包络谱特征值,并以此作为特征向量输入到支持向量机分类器中,用以区分滚动轴承的工作状态和故障类型.对滚动轴承正常状态、内圈故障和外圈故障振动信号的分析结果表明了该方法的有效性.      

航空发动机故障融合诊断研究

结合气路诊断与振动分析方法,建立发动机故障融合诊断模型,探讨气路与振动故障融合诊断方法的可行性。构建故障融合诊断3级体系(故障特征级、故障模式级以及故障决策级融合),实现基于性能参数和振动参数的综合评估方法,获得基于小偏差法的气路故障判据,形成基于动力学分析的振动故障判据,提出故障特征融合的方法,通过算法实现故障融合识别,并在模拟试验器上进行涡轮叶片掉块故障试验验证,获得相应的故障诊断决策。结果表明:设计的发动机故障融合诊断方法合理,算法正确。     

航空发动机失稳特征信号甄别

针对航空发动机失稳时的重要表征——喘振信号开展检测、判别和处理方法的研究。通过失稳信号处理器实时获取压气机压力脉动数据,采用时域诊断分析方法完成对失稳信号的在线检测和预警。经压缩部件台架试验验证,失稳信号处理器能成功分离出喘振状态下的失稳信号特征,实现对失稳信号较为准确的捕获,采用的失稳判定方法有效。研究结果表明:失稳特征信号的实时、准确甄别,是发动机失稳主动控制的先决条件,提高失稳特征信号判别的正确率,可有效避免发动机失稳过程中信号的误判、漏判。     

基于WCFSE-FSVM的转子振动故障诊断方法

为了提高含有噪声和野值的转子振动故障样本诊断精度,提出了基于WCFSE-FSVM的故障诊断方法。充分融合小波相关特征尺度熵(WCFSE)特征提取方法和FSVM故障诊断方法的优点,建立WCFSE-FSVM故障诊断模型。基于转子实验台模拟4种典型故障,获得原始故障数据;并利用WCFSE方法提取这些故障数据的WCFSE值,选取故障信号高频段中的尺度1和尺度2上的小波相关特征尺度熵W1和W2构造出振动信号的故障向量作为故障样本,建立FSVM诊断模型。实例分析显示:WCFSE-FSVM方法的转子故障诊断精度最高,即故障类别诊断精度为94.49%,故障严重程度的诊断精度为95.58%,二者都优于其它故障诊断方法。验证了WCFSE-FSVM方法的可行性和有效性。      

故障因子诊断方法在航空发动机上的应用研究

航空发动机气路中任何零部件受损而引起的性能恶化,必然导致相关参数的变化。引入了故障因子的概念,介绍了故障因子诊断方法在航空发动机上的应用,阐述了航空发动机故障诊断过程中测量参数与性能参数选取的依据和方法,利用故障因子建立了某型涡喷发动机稳态工作状态下的故障模型和诊断模型,探讨了4个测量参数诊断气路部件故障的方法。算例结果表明:故障因子诊断方法是航空发动机进行故障诊断的1种最基本且十分有效、快捷的诊断手段。     

基于神经网络的红外型空空导弹故障诊断专家系统

普通的导弹自动测试系统只能给出主要参数的检测结果,针对以上不足,通过对神经网络和专家系统在自动测试领域中的深入研究,设计完成了一种基于神经网络的故障诊断专家系统,克服了传统专家系统故障定位慢、容易出错、数据库难修改的缺点,提高了装备保障工作的时效性和可靠性。重点阐述了知识库和推理机的构建思路和方法,采用VC＋＋6.0进行软件设计。通过大量实验验证得出,该系统执行速度快、故障定位准确,具有广阔的应用前景。     

基于改进RBF神经网络的某型机载雷达电路故障诊断

RBF神经网络在故障诊断中的应用是一个十分热门的研究课题。但RBF神经网络用于故障诊断需要大量的隐含层节点,隐含层节点越多其训练时间越长。针对此问题,提出了一种改进的RBF神经网络故障诊断方法。通过仿真实例,可以看出隐含层的节点大大减少,训练时间缩短,该方法用于雷达故障诊断非常有效。     

基于GasTurb/MATLAB的航空发动机部件级模型研究

基于航空发动机总体性能分析软件GasTurb及其源代码,利用动态链接库技术实现在控制系统开发平台MATLAB下直接调用GasTurb部件级动态模型,并在Simulink下建立了包含涡喷、涡扇、涡轴、涡桨在内的22种发动机类型的部件级模型库,实现了两者之间的无缝衔接.应用实例与仿真结果验证了所建模型的有效性与高度可定制性.消除了从总体性能分析阶段过渡到控制系统开发阶段存在的交互障碍,为发动机控制和故障诊断研究提供了一种灵活的仿真平台.      

基于状态观测器的空间机械臂关节故障诊断

为了实时检测空间机械臂关节故障的发生并获得有效的故障信息,提出一种基于状态观测器的关节故障诊断方法。通过结合滑模变结构控制理论设计滑模状态观测器,获得机械臂各运行状态的残差信息,并将其与设定的阈值比较,实现关节故障的检测。进而引入不同的故障模式,构建故障数据库,将实际关节故障所导致的机械臂故障残差信息与故障数据库对比,完成故障发生位置及其故障程度的识别。所提诊断方法考虑了空间机械臂系统内部强耦合特性,能够及时检测故障的发生并获取有效的故障信息。最后以7自由度空间机械臂为对象开展数值仿真研究,验证了所提关节故障诊断方法的有效性。     

基于改进IRN网络的航空发动机故障诊断

建立了一种带偏差单元的内部回归神经网络.该网络的主要特点是记忆特性好,收敛速度快、稳定性强.介绍了该神经网络在航空发动机故障诊断中的应用方法,并通过实例验证了该方法在发动机故障分类中的实用性.在对某型航空发动机故障诊断中,准确性极高.从而在适时与视情维修过程中提出合理的建议,以便为相应维修方法的实施、改进和研究应用提供可靠的依据,有着良好的推广应用前景.