基于振動(dòng)樣本民航發(fā)動(dòng)機(jī)故障診斷方法及應(yīng)用研究.pdf

1、民航發(fā)動(dòng)機(jī)結(jié)構(gòu)復(fù)雜,工作狀況惡劣,容易發(fā)生各種機(jī)械故障,精準(zhǔn)的故障診斷和及時(shí)排故對于飛行安全意義重大。傳統(tǒng)的定期維修方式效率低,費(fèi)用高,而視情維修具有開展便利、診斷率高、成本較低以及可及時(shí)發(fā)現(xiàn)重大隱患等優(yōu)勢,非常適合民航發(fā)動(dòng)機(jī)的維修保障。實(shí)現(xiàn)視情維修要求民航發(fā)動(dòng)機(jī)故障診斷系統(tǒng)具有較高的健康狀態(tài)分析和對自身故障進(jìn)行預(yù)測的能力。為此本文基于民航公司采集的振動(dòng)樣本對民航發(fā)動(dòng)機(jī)視情維修相關(guān)的故障診斷方法開展了研究。
　　民航發(fā)動(dòng)機(jī)中多根轉(zhuǎn)

2、子的同軸結(jié)構(gòu),決定了發(fā)動(dòng)機(jī)傳感器測得的振動(dòng)信號是由多振動(dòng)信號混疊而成,混合形式未知。要分離出各轉(zhuǎn)軸獨(dú)立的振動(dòng)信號,濾掉無用的干擾是故障識別的關(guān)鍵。為此本文首先對發(fā)動(dòng)機(jī)振動(dòng)信號分離的基本方法進(jìn)行了研究,針對傳統(tǒng)分離方法的不足,提出了將自然梯度學(xué)習(xí)應(yīng)用于獨(dú)立分量分析目標(biāo)函數(shù)的遞推算法,并應(yīng)用該算法對典型機(jī)械仿真信號和發(fā)動(dòng)機(jī)機(jī)匣樣本信號進(jìn)行了分離處理,給出了具體的分離步驟;還對該算法在使用中的可行性和穩(wěn)定性進(jìn)行了分析;建立了評價(jià)信號分離效果的

3、新準(zhǔn)則,將該算法與傳統(tǒng)方法的分離效果進(jìn)行綜合對比,結(jié)果表明所提出的方法能夠保證源信號中的微弱特征信息分離后不丟失,時(shí)間和頻譜的交疊對分離過程無影響。
　　當(dāng)采用多維特征進(jìn)行故障分類時(shí),訓(xùn)練時(shí)間增加,收斂性降低,分類精度并不提高。為了提高故障分類精度,對民航發(fā)動(dòng)機(jī)振動(dòng)故障的特點(diǎn)進(jìn)行了研究,得到了提取發(fā)動(dòng)機(jī)故障特征應(yīng)滿足的條件,以及特征維數(shù)與識別率的關(guān)系曲線;為提取對狀態(tài)敏感的特征,提出了基于核主元分析方法來提取對故障分析貢獻(xiàn)最大的特

4、征向量的方法,該方法在傳統(tǒng)的主元分析中引入核函數(shù),通過選定的映射函數(shù)將輸入特征映射到新的高維特征空間,在高維空間中對映射值做線性分析,再以所得到的向量值進(jìn)行分類識別,用仿真數(shù)據(jù)驗(yàn)證了該方法的可行性;應(yīng)用該方法對某型號發(fā)動(dòng)機(jī)中心油管焊縫開裂時(shí)導(dǎo)致的振動(dòng)超標(biāo)樣本進(jìn)行了特征提取,為驗(yàn)證提取效果,與傳統(tǒng)分析方法提取故障特征的結(jié)果進(jìn)行比較,證實(shí)了該方法在解決民航發(fā)動(dòng)機(jī)振動(dòng)故障特征提取問題中的優(yōu)越性。
　　制約故障分類準(zhǔn)確率最主要的障礙是故障

5、樣本數(shù)的不足。傳統(tǒng)的智能診斷方法存在著對故障樣本要求高、適應(yīng)能力差、學(xué)習(xí)能力弱、主觀因素影響大、診斷效率低等缺點(diǎn),本文建立了基于支持向量機(jī)的民航發(fā)動(dòng)機(jī)故障多分類模型,實(shí)現(xiàn)了多類故障的正確區(qū)分;針對尚未完全解決的支持向量機(jī)模型的參數(shù)選擇問題,提出了一種基于等高線圖和交叉驗(yàn)證的參數(shù)優(yōu)化算法,利用等高線圖強(qiáng)大的全局搜索能力和可并行性,實(shí)現(xiàn)了對支持向量機(jī)分類性能有重要影響的參數(shù)進(jìn)行快速有效的搜索,使支持向量機(jī)參數(shù)選擇問題得到解決。
　　精

6、確的振動(dòng)趨勢預(yù)測對發(fā)動(dòng)機(jī)的使用至關(guān)重要。以神經(jīng)網(wǎng)絡(luò)為代表的人工智能方法由于網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)上的缺陷,使網(wǎng)絡(luò)的推廣能力受到制約,預(yù)測結(jié)果與真實(shí)值之間存在較大誤差。過程神經(jīng)網(wǎng)絡(luò)充分考慮了輸入過程中的時(shí)間累積,在網(wǎng)絡(luò)模型中增加了反映時(shí)間累積過程的參數(shù),其輸出依賴于輸入過程的時(shí)間累積而不單純是單點(diǎn)式的瞬時(shí)對應(yīng)。基于過程神經(jīng)網(wǎng)絡(luò)理論,本文實(shí)現(xiàn)了對民航發(fā)動(dòng)機(jī)短期趨勢的預(yù)測,并給出具體應(yīng)用方案。針對工程實(shí)際的中長期預(yù)測問題,基于光滑化方法改進(jìn)了支持向量機(jī)