基于振动能量积奇异值分解的航空发动机 振动状态识别

为进一步提高航空发动机振动状态监测的有效性和故障诊断的准确性,将机匣截面振动信号的各谐波轴心轨迹椭圆长短轴乘积看成广义时间序列.基于该序列能够全面反映发动机转子系统各谐波能量分布的客观事实,利用其构造矩阵并提取奇异值向量.借助于该向量构造特征值,通过比较特征值向量实现对发动机不同振动状态的识别.对实测振动信号的分析表明:在同一振动状态下,各数据椭圆长短轴乘积相对奇异值强度具有相同的变化趋势和良好的稳定性;在不同振动状态下,椭圆长短轴乘积相对奇异值强度变化趋势不尽相同;通过椭圆长短轴乘积奇异值相对距离熵能够较好地识别发动机各振动状态.     

基于VMD的自适应复合多尺度模糊熵及其在滚动轴承故障诊断中的应用

提出了一种基于自适应多尺度模糊熵、ILS（迭代拉普拉斯得分）特征选择和粒子群优化支持向量机(PSO-SVM)的滚动轴承故障诊断方法。该方法采用变分模态分解对振动信号进行分解和重构,并计算重构信号的复合多尺度模糊熵;同时采用迭代拉普拉斯得分选择敏感故障特征,并将特征选择结果输入到基于粒子群优化支持向量机的多故障分类器进行识别。将提出的方法应用于滚动轴承试验数据分析。结果表明:该方法对试验数据的故障识别率为100%。并将基于ILS特征选择方法与基于SFS（sequential forward selection）特征选择进行了对比,表明基于SFS特征选择的最高识别率为92.86%,而基于ILS特征选择的故障识别率达到100%。      

OH与CH2O双组分平面激光诱导荧光对旋流燃烧室火焰结构与脉动特征的研究

介绍了利用平面激光诱导荧光(PLIF)技术对航空发动机的旋流燃烧室模型在贫燃状态下工作特性的研究。通过对OH与CH2O双组分进行同步PLIF测量,获得了不同工况下燃烧室反应区以及预热区的瞬态结构信息。应用本征正交分解(POD)方法对OH PLIF的图像进行处理,得到了旋流火焰的主要脉动模态,并通过扩展本征正交分解(EPOD)方法计算出了相应POD模态的CH2O荧光信号分布。实验结果表明:随着燃烧室热功率的增大,火焰的整体结构、脉动模式均出现了明显的变化。在火焰高度增加的同时,轴向不稳定性逐渐增强,涡核旋进(PVC)的脉动特征相对减弱。在较大的热功率下,在燃烧室的外回流区(ERZ)出现未燃烧的燃料。      

多通道相关-自适应轴承故障诊断方法

提出了多通道相关-自适应共振解调(MCC-ARD)方法 ,该方法使用冗余信号源采集故障信息,并利用谱峭度(SK)优化经验模态分解(EMD)的分解效率,根据互相关系数更加合理地选择本征模态函数(IMF)分量完成重构,对重构IMF进行包络解调,实现对滚动轴承的故障诊断。通过对多通道相关-自适应共振解调方法的实测数据分析,结果表明:该方法不仅克服了单一信号源系统修正能力差的缺陷,而且相频谱辨识率为传统EMD结合谱峭度共振解调方法的2.7倍,对滚动轴承故障的诊断结果更加清晰、准确。     

基于IITD和FCM聚类的滚动轴承故障诊断

基于Akima插值和固有时间尺度分解（ITD）中的线性变换,提出了一种改进的固有时间尺度分解（IITD）,在此基础上,进一步提出基于IITD近似熵（AE）和模糊C均值聚类（FCM）相结合的滚动轴承故障的诊断方法。采用IITD方法对滚动轴承的振动信号进行分解,通过互信息分析,筛选出前3个含主要特征信息的固有旋转分量（PR）,计算其近似熵值作为信号的特征向量,将得到的特征向量输入到FCM分类器中分析并得到分类结果。实验分析表明:分别与基于EMD、ITD近似熵和FCM聚类相结合的方法比较,该方法的分类系数更接近1,平均模糊熵更接近0,即此方法对滚动轴承的正常、内圈故障、外圈故障、滚动体故障信号以及对内圈的不同损伤程度信号均能更有效更准确地进行分类。      

基于Birge-Massart阈值降噪与EEMD及谱峭度的滚动轴承故障特征提取

针对传统共振解调方法易受噪声干扰导致故障特征提取效果不佳的问题,提出了一种基于Birge-Massart策略的阈值降噪与集成经验模态分解(EEMD)和快速谱峭度算法相结合的滚动轴承故障特征提取方法。对原始故障信号进行EEMD并采用峭度准则筛选出含有故障信息的本征模态函数(IMF)分量;采用Birge-Massart策略和快速谱峭度对故障信号进行滤波降噪;对滤波后信号进行Hilbert包络解调,提取轴承故障特征。采用该方法分别对仿真信号和实验信号进行特征提取,结果表明该方法可以有效提高故障信号信噪比,清晰准确地获取轴承内、外圈故障的频率特征。利用峭度因子准则筛选IMF分量能有效保留原始故障信号中的冲击特征,去除无关IMF分量的影响。      

多模态时域振动衰减信号各模态分离与阻尼参数辨识方法

针对多模态信号中各模态难以准确分离和模态阻尼参数难以准确识别的问题,提出了布谷鸟搜索(CS)算法参数优化的变分模态分解方法 (CS-VMD)和模态阻尼参数辨识的包络线积分法(EIM)。使用CS-VMD方法将多模态时域振动衰减信号中的多模态分量准确分离开来,利用EIM辨识各模态的模态频率和阻尼比,并与理论值(或测量值)以及半功率带宽法(HPB)辨识值进行对比。位移仿真信号与压气机导向叶片测频信号模态分解及模态参数辨识表明,CS-VMD方法可实现对多模态信号的正确分解,EIM辨识的模态频率误差均小于1.0%;对于位移仿真信号,EIM辨识的模态阻尼比最大误差小于2.5%;对于压气机导向叶片测频信号,使用EIM和HPB方法辨识的模态阻尼比最大差别为9.098%,EIM的模态阻尼辨识精度比HPB方法高。     

航空发动机传动系统技术成熟度评价方法的应用

针对传动系统故障频发的研制现状,提出基于传动系统的技术分解结构(TBS),制定各项技术的成熟度评价专用细则,并根据专用细则制定全面开展评价工作的流程和方法。专用评价细则的建立是传动系统技术成熟度评价工作的核心,实现了对发动机通用细则的解读,且通过对细则满足情况的判定,明确了该项技术的成熟度提升方向。应用实例表明:该项工作对控制传动系统研制过程中的技术风险具有重要意义,也为承研单位制定技术能力提升计划奠定了坚实的基础。     

基于局部特征尺度分解及分形维数的模拟电路故障诊断方法

针对目前自适应时频分析方法在模拟电路故障诊断方向理论研究尚不完善、缺乏实践验证等方面的问题,采用改进LCD算法及分维理论相结合的方法进行理论研究及实物验证。对被测点所采集数据进行预处理后直接进行LCD分解并计算各分量分维数作为故障特征,输入神经网络进行故障诊断。仿真结果验证了该方法的有效性;实物验证成功分类了2类电路状态,并阐明了分类结果杂散点较多的原因。     

基于分解-粒化和优化极限学习机的燃油泵性能退化趋势预测

机载燃油泵的性能退化呈现非线性多阶段模式,为了提高机载燃油泵性能退化指标的预测精度,得到性能退化指标准确的预测范围,提出了基于奇异值分解-模糊信息粒化与优化极限学习机的模糊粒化预测方法。针对传统的粒化预测方法直接对原始序列进行粒化分析的不足,首先利用奇异值趋势分解方法提取燃油泵性能退化指标序列的趋势项及去趋势项,再利用信息粒化方法对去趋势项进行模糊粒化;然后将趋势项及粒化后的去趋势项数据输入至极限学习机进行回归预测,并采用粒子群算法优化极限学习机参数;最后根据实测值和预测值的对比分析评估预测模型的优良性。实验结果表明,该方法可以有效跟踪燃油泵性能退化指标的变化趋势,并对其指标的波动范围进行有效预测。