基于小波包能量谱的航空发动机故障特征提取方法

使用成熟的旋转机械振动信号频谱分析方法,对采集到的多台航空发动机试车振动信号进行分析,找出能反应出发动机转子不对中、转子不平衡和转静件碰磨3种故障频谱特征的振动信号.再使用小波包将信号分解为不同的频段,之后分别计算能反应出故障信息的特征频段的能量,将它们组成用来区分上述3种故障的特征向量,为以后的航空发动机故障的模式识别做准备.     

基于CATIA二次开发的数模信息提取及组织技术研究

基于CATIA的三维数字化设计已逐步成为飞机产品设计的主流方式,其产品数模中包含大量存放于数模结构树中的非几何信息,人工查看时存在工作量大、耗时长且容易遗漏的问题.本文提出了一种基于CATIA二次开发的数模非几何信息自动提取和组织方法,能自动、快速、准确地进行数模结构树中非几何信息的批量提取、再组织和统计报表生成,极大地提高审图和工艺准备的工作效率和质量.     

300万DN值圆柱滚子轴承优化设计与试验

为了解决圆柱滚子轴承在高DN(轴承内径×轴承转速)值工况下易失效问题,开展了高DN值圆柱滚子轴承的研制工作。结合轴承设计准则,进行300万DN值圆柱滚子轴承结构参数优化设计和材料选取;基于轴承动力学理论,建立了动力学模型并仿真分析,研究了300万DN值圆柱滚子轴承动力学行为;在自主研发的试验机上进行轴承试验,试验过程中监测轴承温升及振动加速度值。结果表明：DN值为300万时,温度低于130 ℃,振动加速度低于20g。通过优化设计,圆柱滚子轴承DN值从200万提升到了300万。     

基于ReliefF-LMBP算法的涡轴发动机气路故障模式识别—两机专刊

针对涡轴发动机气路故障模式识别精度不高的问题,提出了一种基于ReliefF-LMBP故障特征提取的发动机故障模式识别方法。应用ReliefF算法对发动机传感器参数赋予权值,对传感器参数特征权重值进行迭代更新和排序,聚集好的特征样本,离散异类样本。根据筛选出的特征子集,利用LMBP神经网络算法进行发动机故障模式识别。以涡轴发动机为对象进行气路故障诊断验证,结果表明所提方法能提取特征传感器参数并实现有效的故障模式识别。     

基于GWO-TVF-EMD方法的行星齿轮箱齿面剥落故障诊断

针对时变滤波经验模态分解（TVF-EMD）方法的不足之处,将样本熵作为适应度函数,采用灰狼优化（GWO）算法对带宽阈值和B样条阶数核心参数进行寻优,得到最优组合解,对不同的故障冲击试验振动信号进行分解。对本征模态函数（IMF）分量选取过程进行优化,采用多个加权指标对所有IMF分量进行计算,最终选取最优IMF分量,再通过包络谱分析提取出行星轮齿面剥落故障特征。在行星齿轮箱故障试验中,利用方均根法对剥落故障进行初步识别,根据GWO-TVF-EMD法分解得到各剥落故障信号最优IMF分量,使用包络谱分析明显判断出行星齿轮的故障频率。该方法能够提取3种不同程度齿面剥落故障的细节特征,理论值与实际值的相对误差为1.68%。      

基于深度信念网络的航空发动机维修等级决策

准确的航空发动机维修等级决策,能够避免过维修和欠维修,在保证航空发动机运行安全的前提下节约维修成本。结合航空发动机状态监控信息和维修等级特点,采用深度信念网络（DBN）算法,挖掘状态监测及维修等级决策之间的深层次对应关系,实现对维修等级的分类和预测。该模型通过DBN预训练和反向传播(BP)神经网络反向微调提取出样本特征,从而提高维修等级预测准确率。以某航空公司CF6航空型发动机的状态参数和维修等级数据作为实例进行验证,结果显示:该模型能够通过构建多层网络结构挖掘出样本的更深层次信息,在分类能力、决策准确性方面优于传统神经网络,有较强的特征提取能力,对维修等级分类有较高的正确率,能得出更准确的维修等级决策结果,避免因维修等级误判而带来不必要的损失。      

基于密切原理的Bump进气道外压缩鼓包逆向设计

基于密切乘波理论提出一种Bump进气道外压缩鼓包的设计方法,可根据制定的激波形状及其曲率中心分布来逆向求解外压缩鼓包型面。通过引入曲率中心分布这一变量,可以控制横截面激波形状并调节外压缩鼓包的三维外型及其表面横向压力分布,进而提高外压缩鼓包的附面层排移能力。同时,发展了一种Bump进气道的流量系数快速估算法,能够在设计初期以不超过2%的误差快速给出进气道的流量系数。结果表明:基于密切原理的外压缩鼓包设计有利于改进Bump进气道的流量捕获和附面层排移能力。算例中,较锥导鼓包模型,密切鼓包方法设计的Bump进气道流量系数提升4.03%,附面层排移能力提升2.12%。      

自动编码器在流场降阶中的应用

自动编码器作为一种压缩算法,在数据降维和去噪等方面有着广泛实践,有条件作为一种降阶方法在流场识别与数据处理方面得到应用。文章中以圆柱绕流为例,首先对圆柱后速度场建立了编码模型,用来对原始数据进行降维和特征提取,之后将编码后的数据与流场特征量相关联,建立了由流场编码回归圆柱表面压力系数的神经网络,探索了降维后数据的应用。结果表明,自动编码得到的结果能够承载原始速度场的主要信息,解码后速度场与原速度场测试均方根误差小于0.02,压力回归测试均方根误差可小于0.1。说明自动编码器能够作为一种流场的特征提取和降阶方法,在未来得到更广泛的应用。     

基于脉动压力变化率的航空发动机喘振检测方法

根据发动机发生喘振故障时气流脉动压力会急剧变化这一特征,通过测量和计算压气机出口脉动压力变化率实时检测喘振的发生。对动态压力信号进行预处理以提取特定频段内的脉动压力,计算固定周期内脉动压力变化率;依据发动机整机地面试验结果设定喘振检测阈值及判据,判断脉动压力变化率是否满足判据来实现喘振检测。利用该方法成功检测出发动机飞行试验中的两次喘振故障。分析得出:发动机未发生喘振时,地面试验和飞行试验脉动压力变化率差异很小;发生喘振时,脉动压力变化率绝对值急剧增大;发动机在稳态和瞬态过程稳定工作时,脉动压力变化率不受发动机工作状态变化的影响。     

惯性信息辅助的大视角目标快速精确定位

目标定位技术广泛应用于航空领域的侦察机、无人机等各类侦察打击任务中,目标定位精度的高低及效率对作战效果具有重要影响。针对仿射尺度不变的特征变换(ASIFT)算法对远距离大视角目标定位精度较低、速度较慢的问题,提出了一种基于惯性信息辅助的大视角目标快速精确定位方法。该方法首先对目标实测序列图像构造尺度空间,结合FAST特征检测与FREAK特征描述的方式进行匹配,实现对待定位目标的快速提取;然后利用机载惯性信息求解目标实测图与参考图之间的透视变换矩阵,利用该矩阵对实测图进行变换以减小图像间视角差异,克服了ASIFT算法盲目匹配计算的弊端,并通过FAST特征检测与FREAK特征描述相结合的方式提升了大视角图像的匹配速度;最后通过单应性矩阵映射关系实现对目标的精确定位。实验结果表明,大视角目标快速精确定位方法匹配耗时比ASIFT算法的减小了1个数量级,定位精度比目标平均值定位算法精度提高了1个数量级,有效提高了图像匹配定位在航空领域的应用效率。