二维信号Hilbert-Huang变换时频谱研究

Hilbert-Huang变换(HHT)自适应时频分析是处理非平稳数据较为有效的新方法.根据一维Hilbert-Huang变换信号时频谱变换原理,研究了二维信号的分解和时频谱分析方法.通过把二维信号按指定方向进行一维分解和时频谱变换,构造出二维信号时间(空间)-频率-能量谱图,使二维信号在指定方向的时频特性能正确地显示出来,从而拓展了Hilbert-Huang变换的应用范围.该方法为分析非平稳二维信号提供了新的工具.     

一种涡轮泵故障阈值检测算法

涡轮泵是火箭发动机的心脏,是火箭发动机中的高速旋转组件,也是故障率较高的部件之一。涡轮泵的可靠性在整个发动机的可靠性中占有重要地位。传统的故障检测有时会出现虚警或漏警的现象,而且主要用于试车后的状态分析与评估;在实时故障检测中存在很大的不足。涡轮泵发生故障的主要原因是由于振动,因此振动加速信号研究对涡轮泵的故障检测显得尤为重要。通过一种阈值检测算法对振动加速信号进行研究,并结合已有涡轮泵故障信息对该算法进行验证,验证了该算法的准确性、实时性等要求。     

旋转机械故障诊断的时频分析方法比较

旋转机械故障振动信号具有非平稳的特性,传统的傅里叶变换方法难以满足分析非平稳信号的要求,时频分析是非平稳信号分析的有力工具。以滚动轴承外圈故障信号为研究对象,对比分析研究了几种时频分析方法如STFT、Wigner-Ville分布、小波变换和Hilbert-Huang变换。结果表明:Hilbert-Huang变换能够更加清晰、准确给出故障信号时频分布,分析效果优于STFT、Wigner-Ville分布、小波分析(WT)。     

液力变矩器性能分析

应用计算流体动力学 (CFD)方法 ,采用非结构网格和稳态交互面技术模拟了液力变矩器三维内流场 ,并与试验相对照 ,验证了数值模拟的正确性 .分析了泵轮、涡轮进口面、中弦面、出口面的流场特征形态及中弦面的二次流动现象 ,计算了泵轮、涡轮进口面至出口面能量损失分布 ,分析了涡轮叶片动量矩的分配 .     

基于DSMC方法的涡轮分子泵跨流态抽气性能研究

基于直接模拟蒙特卡洛(DSMC)方法,可以计算获得涡轮分子泵叶列在不同稀薄气体流态下的抽气性能.通过改变涡轮叶列旋转速度、气体入口结构尺寸及被抽气体温度等参数,能够得到涡轮分子泵最大抽气效率和最大压缩比的变化情况.比较各参数在不同流态下对抽气性能的影响程度,并计算不同流态下涡轮叶列返流的变化.计算得出增大叶片速度在分子流态下对涡轮分子泵性能的提升最为明显,缩小气体入口面积可以提升涡轮分子泵压缩比等结论.从而为提升涡轮分子泵抽气性能提供了手段,拓展了涡轮分子泵的工作范围.     

关于分子泵抽气性能的设计

随着近期复合式分子泵(即由涡轮抽气级和牵引压缩级两部分组成的分子泵)的研制,对复合泵中的涡轮级提出了更高的要求.这是因为涡轮抽气级与牵引压缩级这两种叶轮的抽速相差很大,只有当涡轮叶轮组对某种气体的压缩比达到能与牵引级相匹配的要求,才能使涡轮组的抽速不至损失,亦即才能保证整体泵对该种气体的最大抽速.所以在设计时,首先就要求对涡轮级抽气组的理论特性有比较精确的计算.但是在组合叶列中,由于直通传输几率(即气体分子直接穿过某级叶列的几率)的存在,影响了组合叶列的抽气性能,需要加以修正.本文取6级组合叶列为例,对在不同叶列参数下修正前与修正后的结果作了比较,认为不但涡轮级压缩比的精确计算对复合泵的设计是必要的,而且修正前与修正后的涡轮级最佳组合形式也发生了改变.     

基于制造加工因素诱导的涡轮泵叶片故障与可靠性分析

[目的]对制造加工因素可能诱导的液体火箭发动机涡轮泵转子系统的涡轮叶片故障及其可靠性进行分析.[方法]首先总结叶片加工方法中可能会形成的加工缺陷并提取特征,然后选取具有代表性的缺陷因素构建缺陷-力学模型,通过有限元分析软件得到仿真结果,再采用模糊聚类分析的方法拟定评价指标,预测叶片寿命并计算由加工缺陷诱导的可靠性程度.[结果]制造加工因素会较大概率引起涡轮叶片的故障与可靠性问题.[结论]未来应在涡轮泵等重要核心零部件的可靠性分析中加入对制造加工因素诱导的故障分析,论文提出的研究方法对发动机涡轮叶片的可靠性预测及故障分析具有一定的理论指导意义.     

振动分析在滑动轴承故障诊断中的应用

本文介绍了滑动轴承的力学模型,分析了滑动轴承可能出现的故障类型,以及故障特征,利用某涡轮增压器的振动数据,通过分析其振动特征,确定了该涡轮增压器滑动轴承出现的故障,并给出了故障原因,找到了解决方法.实际应用表明,该解决方法是正确、可行的.     

基于局部多项式回归的EMD端点效应抑制

Hilbert-Huang变换(Hilbert-Huang transform,HHT)这种完全由数据驱动的自适应时频数据分析算法已经在多个领域得到了广泛推广和应用.但是HHT的核心部分经验模态分解(empirical mode decomposition,EMD)被端点效应问题所困扰.这里结合局部多项式回归,利用局部少量数据在极值序列两端各拓展一个极值点,从而抑制EMD的端点效应.模拟实验结果表明,该算法能够有效抑制端点效应,且数据要求不高,运行速度较快.     

基于FRICA算法的非高斯过程故障检测方法

独立元分析(ICA)是一种有效的非高斯过程故障检测方法,但其建模过程仅仅使用正常工况数据,忽视了对先验故障工况数据的利用.针对此问题,提出了一种基于故障相关ICA(FRICA)算法的故障检测方法.该方法使用ICA算法提取正常工况数据中的非高斯特征成分;再将正常工况数据集和先验故障工况数据集融合在一起构成多工况数据集,利用非局部保持投影进行二次特征提取,获得故障判别成分;在两种特征成分的基础上构造新的监控统计量,并利用核密度估计得到相应的置信限,完成对实时数据的监控.连续搅拌反应釜(CSTR)系统的监控仿真结果表明:与基本ICA方法相比,FRICA方法能更有效地检测出过程故障.     

数据驱动的液体火箭发动机健康监测算法研究

针对火箭发动机氧涡轮转子轴盘根部断裂、轴盘接合处裂纹等故障难以识别定位的问题,基于某型液体火箭发动机测试数据,构建机器学习、数据分析等方法,绕过其内部复杂物理机理,从数据层面对氧涡轮泵进行故障检测与模式判别。对于故障检测,提出了两种分别适用于速变数据与缓变数据的故障检测算法,两种算法能够处理多种工况下的火箭发动机数据,经检验,这两种算法都具有较高的准确率,分别为84.2%、94.9%。针对故障模式判别,给出了一种基于滑动窗口的聚类算法,可以实现不同故障模式的区分,其中针对两种故障模式的识别准确率分别达到了86.2%、95.5%,并且给出了两种故障模式对应的振动数据异常频率区间,这可为相关研究人员提供与故障有关的有用线索。     

HHT方法分析冠心病患者支架置入手术对其脉搏波的影响

采用HHT(Hilbert-Huang Transformation)时间序列分析方法分析冠心病患者支架置入手术对其脉搏波信号的影响.通过经验模态分解(EMD)技术将一非线性、非稳态过程的原始离散数据序列分解为一组内在模态函数(IMFs),每一内在模态函数对应一种物理激励机制.通过对临床采集冠心病患者支架置入手术前后的脉搏波信号分别进行分解,可得到两者的特定模态改变信息.把冠心痛患者支架置入手术前后脉搏波信号的模态分解数据和正常人脉搏波的分解数据比较可以发现,C3模态和冠心病血管堵塞与否的相关性最大.     

Hilbert-Huang变换在线性正则域的新推广

Hilbert-Huang变换是一种重要的非平稳信号分析工具,其对信号的处理包含两个方面:(i)经验模态分解;(ii)Hilbert谱分析.2012年,Li,Tao和Wang利用线性正域上的Hilbert变换将该变换推广到线性正则域,从而获得了一种更为灵活的信号分析工具.本文提出了Hilbert-Huang变换在线性正则域的一种新推广.这种新推广先利用经验模态分解将信号转换成固有模态函数,再引入另一种线性正则域的Hilbert变换对固有模态函数进行Hilbert谱分析,从而得到Hilbert-Huang变换在线性正则域的一种新推广.     

基于IETM的涡轮故障诊断方法研究

以IETM故障树理论为基础,建立一问一答模式的故障隔离机制．阐述了涡轮叶片温度特点,分析了涡轮叶片的几种故障类型,并以涡轮叶片故障诊断流程为实例建立简单的故障树结构．研究了IETM故障数据模块的编辑与实现,利用模拟的涡轮叶片故障温度数据验证了IETM故障诊断系统的可行性,实现了故障诊断界面在IE浏览器上的显示．证明了通过与IETM交互并在诊断策略的引导下,现场保障人员能够高效地完成现场级的故障诊断和维修．     

一种基于HHT和神经网络的智能轴承状态监控系统

提出了一种Hilbert-Huang变换(HHT)和神经网络相结合的智能轴承状态监控系统.从理论上阐述了经验模态分解(EMD)、固有模态函数(IMF)、Hilbert变换以及广义回归神经网络(GRNN).提出了轴承智能状态监控流程图即小波包对振动信号进行去噪预处理,HHT提取IMF的瞬时幅值作为特征向量,实验使用了BPNN和GRNN 2种神经网络,通过神经网络进行故障辨识和分类,最后用轴承的振动数据对该系统进行验证.结果表明,提出的状态监控系统能较好地对轴承的状态进行监控.     

基于HHT的转子振动故障诊断研究

转子振动的故障特征难以提取,而HHT(Hilbert-Huang transform,简称HHT)方法是通过经验模态分解将信号分解成若干个IMF(intrinsic mode function,简称IMF),能够清楚地获得信号的时频分布情况,从而准确地反映系统的固有属性.本文首先揭示了转子系统故障诊断的一般流程,阐述了HHT的原理.其次提出了将HHT应用于转子振动故障特征提取的方法.最后利用Matlab建立了数学模型,进行了数值仿真,验证了希尔伯特-黄变换算法的有效性.     

基于GM-ELM的有杆泵抽油井故障诊断

为了解决有杆泵抽油井故障诊断问题,提出了基于灰度矩阵极限学习机(gray matrix-extreme learning machine,GM-ELM)故障诊断方法.首先用灰度矩阵对有杆泵抽油井进行故障特征提取;然后用数理统计的方法建立灰度矩阵的特征向量,将故障特征向量作为故障诊断模型的输入值;最后建立GM-ELM模型对有杆泵抽油井故障进行诊断.仿真结果表明该方法与GRNN(general regression neural network)方法、LS-SVM(least squares support vector machine)方法、BPNN(back propagation neural network)方法相比具有更高的故障诊断准确率.     

基于HHT和广义Fourier变换变频调速异步电动机故障诊断

在变频调速异步电动机的故障诊断过程中,由于电源频率的时变性,容易淹没故障特征信号.针对调速过程中常见的恒加速和恒减速运行模式,提出了采用HHT(Hilbert-Huang变换)方法识别运行模式、利用广义Fourier变换进行时频转换的故障诊断方法,可将线调频的电源信号转换为新的时频域的恒频信号.仿真表明该方法能达到突出故障特征的目的.     

并发故障信息DSmT融合算法的应用研究

针对主冷却泵长期工作在高温、高压及高辐射的恶劣工作环境中,其并发故障存在较高概率并难以诊断,提出一种DSmT决策级融合算法,构建了泵主轴转子不平衡、泵主轴转子不对中及主轴损坏的DSmT辨识理论框架,由实测采集数据综合确定DSmT故障特征信度赋值,利用DSmT对多个独立证据源进行决策判断得出主冷却剂泵故障及并发故障的诊断结果.实验结果表明该方法能有效识别主冷却剂泵并发故障特征,具有一定的理论基础及工程应用价值.     

CFM56-5B发动机HPTACCV漏油故障分析

CFM56-5B发动机安装在A320系列飞机上,发动机燃油渗漏是航班延误或取消的主要原因,尤其是高压涡轮主动间隙控制活门（HPTACCV）引起的漏油故障。该文分析了该发动机高压涡轮主动间隙控制活门的工作原理,在统计分析某航空公司历史故障数据的基础上,给出了用威布尔分布计算发动机零部件软时限控制的方法,并对高压涡轮主动间隙控制活门的备件需求进行了预测,提出了航空公司航线运营中应对高压涡轮主动间隙控制活门漏油故障的改进措施。