基于EMD與SVM的航空發(fā)動(dòng)機(jī)轉(zhuǎn)子系統(tǒng)故障診斷.pdf

1、航空發(fā)動(dòng)機(jī)作為一種技術(shù)指標(biāo)要求很高的復(fù)雜旋轉(zhuǎn)機(jī)械系統(tǒng),由大量相互耦合且工作過(guò)程又彼此不同的部件組成。由于長(zhǎng)期處于溫度、壓強(qiáng)等外部環(huán)境條件十分嚴(yán)酷的工況下，經(jīng)常會(huì)出現(xiàn)各種故障形式，嚴(yán)重影響了飛機(jī)的正常飛行。作為航空發(fā)動(dòng)機(jī)的核心結(jié)構(gòu)部件，轉(zhuǎn)子系統(tǒng)的工作性能在一定程度上影響著發(fā)動(dòng)機(jī)的運(yùn)行安全性和可靠性，因此對(duì)其故障異常進(jìn)行及時(shí)準(zhǔn)確地診斷，對(duì)于提高航空發(fā)動(dòng)機(jī)的安全性能具有重要意義。
　　轉(zhuǎn)子系統(tǒng)的大量狀態(tài)特征信息往往隱藏于振動(dòng)信號(hào)中，通過(guò)

2、對(duì)振動(dòng)信號(hào)進(jìn)行處理和特征提取實(shí)現(xiàn)對(duì)轉(zhuǎn)子系統(tǒng)的故障定位是學(xué)術(shù)界普遍公認(rèn)的有效手段。針對(duì)這種情況，本文的研究?jī)?nèi)容包括：（1)利用EEM D方法處理某型渦槳發(fā)動(dòng)機(jī)轉(zhuǎn)子系統(tǒng)的振動(dòng)信號(hào)，提取包括能量值、奇異值、多尺度排列熵值和時(shí)域無(wú)量綱指標(biāo)等多種特征值；采用鄰域粗糙集算法對(duì)建立的屬性特征集合進(jìn)行降維，進(jìn)而借助SVM進(jìn)行故障診斷。結(jié)果表明S V M對(duì)轉(zhuǎn)子系統(tǒng)不同運(yùn)行狀態(tài)的識(shí)別率達(dá)到了97.5％,診斷結(jié)果能夠滿足實(shí)際的工程需求。（2)由于微型渦噴發(fā)動(dòng)

3、機(jī)的轉(zhuǎn)速較高，其振動(dòng)信號(hào)的非線性和非平穩(wěn)性趨勢(shì)進(jìn)一步增強(qiáng)，EEM D方法并不適于處理這種復(fù)雜的隨機(jī)信號(hào)。為此，將改進(jìn)CEEMDAN方法、距離評(píng)估技術(shù)、遺傳算法和SVM等結(jié)合在一起，提出了一種綜合多特征域和敏感特征選擇的故障診斷模型。該模型通過(guò)改進(jìn)CEEMDAN方法對(duì)振動(dòng)信號(hào)進(jìn)行預(yù)處理，在包含主要故障信息的本征模態(tài)函數(shù)基礎(chǔ)上提取能量值、奇異值和包絡(luò)樣本熵值三種特征指標(biāo)；利用距離評(píng)估技術(shù)從中選擇對(duì)故障狀態(tài)敏感的特征構(gòu)成敏感特征集；采用遺傳算