航空发动机喘振故障机理及监控方法研究

航空发动机喘振故障是影响发动机性能的主要因素,并对民用客机的安全构成巨大威胁.在对航空发动机喘振机理进行分析的基础上,从适航性的角度对航空发动机喘振故障进行监测,同时运用可靠性分析方法--故障树分析法(FTA)对该故障进行计算机辅助建树、定性分析及定量分析,最后采取了相应的控制措施使喘振部件快速退出喘振状态.通过对航空发动机喘振故障的监控,大大提高了喘振故障的分析效率,同时发动机的可靠性也得到一定提升,对解决喘振故障提供了参考和借鉴.     

浅析CFM56-3发动机的防喘措施及常见故障

随着航空技术的不断发展,航空发动机的性能和可靠性也在不断的改善和提高,但压气机喘振时常发生,对飞行安全造成极大威胁,同时,也造成了巨大的经济损失.该文主要针对压气机喘振进行分析和讨论,结合CFM56-3发动机,对其防喘机构的典型故障进行了分析,并给出了典型故障的维护建议.     

航空发动机滑油综合监控方法及应用

传统光谱分析手段在航空发动机磨损类故障定位方面局限性突显.综合应用光谱监控分析、铁谱监控分析、自动磨粒监控三种技术在航空发动机的磨损类故障检测中具有互补准确的优点.针对国产新型发动机的综合监控方法和数据库软件的应用能大大提高航空发动机滑油监控的安全性.     

Matlab在发动机故障诊断中的应用研究

以电控汽油机转速传感器为例,探讨了小波分析技术在发动机故障诊断中的应用。首先采集了转速传感器正常和异常信号,并对采集到的信号进行小波分析,结果表明,利用小波系数可以分析转速信号,判断发动机断缸故障;转速信号的小波分析结果能对比发动机各缸的工作性能。实践证明利用小波分析对电控发动机进行故障诊断是切实可行的。     

多级压气机喘振边界点的通道流动特征

进行台架试验,获取了试验发动机喘振边界点的压气机通道压力信号。对压力信号进行了频谱分析,以确定喘振边界点的通道流动特征。分析结果表明,与高转速时流动状态较好的情形相比,发动机工作点处于喘振边界时,压气机第1级静子通道压力信号频率成分中,第1、2级转子叶片通过频率信号BPF1、BPF2和以550 Hz为中心的谐波成分幅值显著增强,在550Hz附近出现多根强幅值的谱线;从较高转速减速时,BPF1、BPF2的幅值先是迅速增大,随后随工作转速减小而逐渐减小,与此不同的是,550 Hz附近频率成分则是随转速减小而逐渐增强的。对试验发动机而言,所获得的喘振边界点通道流动特征可望用于压气机工作稳定性的实时监控和预警。     

某型涡扇发动机中介轴承微弱故障特征信号提取技术

研究航空发动机在降转速过程中中介轴承微弱故障特征信号的提取技术,提出了一种基于计算阶次分析、三次样条插值分析与包络谱分析相结合的新方法。基于滚动轴承模拟故障实验和航空发动机中介轴承微弱故障实验测得的降速工况下的转速信号和振动信号,首先对转速信号在时域内积分获得角位移-时间信号;再对该信号进行线性插值获得等角度间隔的角位移-时间信号;然后利用该时间序列对振动信号进行三次样条差值获得等角度间隔分布的重采样振动信号;最后对重采样振动信号进行包络分析及快速傅里叶变换获得阶次包络谱。通过两种实验分析表明该方法能有效提取出复杂路径下航空发动机中介轴承微弱故障特征信息。该方法为航空发动机中介轴承微弱故障特征信号提取提供了一种重要手段,具有广泛的应用前景。     

基于LabVIEW的发动机振动测试分析

发动机的振动不仅影响其工作性能和使用寿命,同时也降低了乘坐的舒适性,另外振动信号在一定程度上还反映出发动机的技术状况和故障状态.基于虚拟仪器测试系统的发动机振动测试对某发动机进行振动试验,通过硬件的组成和软件的设计,采集发动机振动的信号并分析,主要通过信号的频谱分析、自相关计算和小波分析等手段,对发动机振动信号进行测试分析.通过对采集到的发动机振动参数进行分析,为发动机振动源的找寻或故障诊断提供重要的理论依据.     

基于小波变换的电力计量系统故障信息提取研究

根据高压电力计量系统故障信息情况,提出了一种基于小波变换技术对故障信号进行分析的方法.通过外加激励信号对高压电力计量系统故障进行检测,利用截频性能出色的dmey小波对故障信号进行4级小波分解,根据小波分解后的信号频带对应关系,保留检测信号所在频带的波形数据进行重构并分析研究.试验结果表明该方法能够有效地消除杂波干扰,准确地提取出相关故障的信息.     

小波分析在电控发动机故障诊断中的应用

为了探讨小波分析技术在电控发动机故障诊断中的应用，以电控汽油机转速传感器为例，采集了转速传感器的正常和异常信号，利用小波变换对信号波形进行了滤波和除噪，利用一维连续变换工具计算出正常和异常信号小波变换系数，并提取了故障信息特征参数。结果表明：转速信号的小波变换系数能够判断发动机的断缸故障；转速信号的小波分析结果能对比发动机各缸的工作性能。实践证明，利用小波分析对电控发动机进行故障诊断是切实可行的。     

利用航空发动机信号特征的振动源盲分离算法

针对航空发动机机匣观测信号为多个振动源的混合信号的问题,提出了一种基于航空发动机振动信号特征的盲分离算法,能够从混合的观测信号中确定振动源的个数以及提取发动机内部各个振动源的振动信息。算法的核心是基于航空发动机等旋转机械转轴故障振动信号的频谱特点,其故障信号的振动谱一般包含基频、谐波成分和次谐波成分,如不对中、碰磨、裂纹等。算法用到的主要工具是连续小波变换和时间同步平稳法,主要步骤为:首先通过连续小波变换将航空发动机不同观测通道上的观测信号分解,根据谱峰值分析确定主要振动源及对应的基频;然后通过时间同步平稳法,分别从每个观测通道上提取各个振动源的谐波和次谐波成分,从每个观测通道上提取出了源信号;对于同一源信号,从每个观测通道上都能提取出一个基本映像,最后通过对比每个映像信号的二范数,确定每个源信号的最优估计。通过数值模拟信号和实测航空发动机加速度振动信号对算法进行了验证,结果表明,在对发动机转速有一定先验知识的情况下,所提算法能够估计出发动机内部的主要振动源的个数,并能提取源信号的主要成分。结合旋转机械振动频谱特点等先验知识,说明了所提算法的正确性和实用性。     

航空发动机测温系统动态特性改善方法研究

温度是航空发动机运行过程中一个重要的状态参数,需准确、快速地测量。但当前航空发动机温度测量存在较大的滞后问题,致使执行机构动作不及时,导致故障的发生。为解决温度测量中的滞后问题,在分析了温度传感器数学模型的基础上,设计了合适的传感器校正方案;并进行了温度传感器校正系统的仿真。仿真计算结果表明,所采用的校正方案可明显改善温度测量系统的动态响应特性,准确、快速地跟踪被测温度。所提出的温度传感器校正算法具有适应性良好、抗干扰能力强等突出优点,为解决航空发动机温度测量问题提供重要参考。     

改进萤火虫算法与小波神经网络相结合的变压器故障诊断

为了解决变压器故障诊断中诊断效率低的问题,本文对萤火虫算法(FA)进行了改进,并与小波神经网络(WNN)相结合应用于变压器故障诊断中。小波神经网络结构简单,预测精度高,收敛速度快,但是网络参数不好选择,易陷入局部最优。本文结合混沌算法、粒子群算法、可变步长的思想来改进萤火虫算法,用于优化小波神经网络的参数,再将处理后的数据带入神经网络中进行训练与诊断。实验结果表明,该算法与BP神经网络、支持向量机、小波神经网络、遗传算法改进的小波神经网络和粒子群算法改进的小波神经网络相比诊断正确率均有所提高。     

基于改进学习矢量量化神经网络输电线路故障识别技术

针对输电线路距离长、覆盖范围广,易受到自然环境和人为因素的影响,对输电线路故障分类和识别非常困难.在输电线路故障分类中将经验小波变换与改进的学习矢量量化神经网络相结合,使用经验小波变换提取输电线路的故障特征,并使用改进的学习矢量量化神经网络识别故障特征.通过对不同故障类型、故障位置、过渡电阻和初始故障角度进行仿真,验证该模型的准确性和有效性.仿真结果表明,该方法在故障分类中具有一定的优势,不受上述因素的影响,具有良好的鲁棒性和故障分类性能.该研究为中国输电线故障识别技术的发展提供一定的参考.     

基于梯度加权类激活热力图的卷积神经网络故障诊断模型鲁棒性分析

深度学习近年来在故障诊断领域受到广泛应用,但基于深度学习的故障诊断模型缺乏工程上的物理解释性,难以保证其故障诊断结果的稳定性。以轴承为例,建立了以小波时频图像为故障诊断依据的卷积神经网络模型(convolutional neural network, CNN),提出了一种基于梯度加权类激活热力图(gradient-weighted class activation map, Grad-CAM)的网络模型鲁棒性分析方法,并利用美国凯斯西储大学(Case Western Reserve University, CWRU)轴承数据集进行验证。首先,将故障直径轴承数据以不同方式混合并训练大、小多个模型。其次,利用Grad-CAM方法,建立时频区域与故障模式之间的联系。最后,利用其他工况下的轴承故障数据,以及含噪数据进行测试,并根据结果结合模型最注重的时频区域进行分析。结果表明,基于深度学习的轴承故障诊断模型在参数较少时更加注重低频区域,并能使其具有更好的鲁棒性。     

一种基于压缩感知和小波信息熵的滚动轴承特征提取方法

为降低滚动轴承在线监测和故障诊断过程中振动信号采集、传输、存储和处理负担,基于压缩感知理论和小波包分析技术,提出一种基于压缩感知和小波信息熵的滚动轴承特征提取方法,用于滚动轴承故障诊断。应用部分哈达玛矩阵采集振动信号实现压缩,通过小波包分解提取滚动轴承状态特征,计算其小波信息熵作为故障诊断特征。在标准数据集上进行振动信号特征提取,并采用四种分类方法完成故障诊断实验,结果表明本文特征提取方法能够在较高的数据压缩率条件下,保持较高的故障诊断精度,适用于滚动轴承在线监测和故障诊断。     

基于小波变换和神经网络伺服控制系统的设计

提出了基于小波神经网络控制的无刷电机控制系统新方法,该方法使用三层前馈式人工神经网络,采用基于梯度下降纠正误差法在线训练更新网络参数,使用离散小波变换的时频特性和连续小波变换检测信号边沿的原理进行无刷电机运行状态和故障状态的检测以便能实时保护.仿真结果表明该方法能大大改善调速系统的静态、动态性能,具有优良的控制效果,小波检测灵敏度高,对噪声有较高的鲁棒性,具有广阔的应用前景.     

小波包分析在电气化铁道牵引网故障测距中的应用

参考了小波分析的基础上,采用了小波包分析方法对故障实行定位。由于牵引网故障暂态行波中的高频成分多而复杂,小波分析只能对信号的低频部分进行分解,而没有对高频部分进行分解。于是提出将故障信号经过小波包分析,对高频信号进行了进一步的分解。再结合求导算法和相似性算法对故障信号进行分析。通过实测的数据分析可以得出该方法具有更好的优越性,准确的实现了故障定位。     

旋转机械长历程偏心故障的数值与图形特征获取方法研究

研究采用采样点的波动稳定性描述偏心故障的程度,即通过对旋转机械长历程偏心故障数据采用信息融合、小波阈值降噪、数据压缩、构造特征方阵、计算特征值方差等方法获取故障的数值特征来描述偏心故障程度;利用小波分解获取低频时域信号和二维轴心轨迹方法探寻偏心故障劣化过程中在图形上的本质变化.应用这三种方法获取转子实验平台模拟的长历程偏心故障的数值与图形特征,结果显示,所获取的数值和图形特征均随着故障的劣化而单向变化,因此,三种方法均能够有效表征偏心故障劣化的过程和程度,具有较高的稳定鲁棒性.      

基于小波特征提取和概率神经网络的机械故障诊断

论述了基于离散小波变换系数的特征提取和概率神经网络在机械故障诊断中的应用。该方法利用离散小波获取振动信号各有效频带的能量作为故障参数,用概率神经网络构建设备运行状态模型,根据历史数据确定故障值并设置故障参数。实验结果从应用程序对轴承故障诊断表明,相比传统方法,该方法能够有效地提取测试信号内在的重要信息内容,并增加机械整体故障诊断的准确性,在机械设备故障处理系统中有良好的应用前景。     

基于电流的芯片级集成电路故障诊断方法研究

随着芯片级集成电路规模的逐渐增大,电路结构越来越复杂,当前故障诊断方法利用电路状态对电路故障进行检测,检测精度低。为此,提出一种新的基于电流的芯片级集成电路故障诊断方法。选择动态电流对芯片级集成电路故障进行诊断,通过Haar小波函数对芯片级集成电路进行预处理。介绍了多重分形理论基础,给出动态电流多重分形谱的计算方法。针对正常芯片级集成电路的动态电流信号求出其多重分形谱,选择一组测试向量对待测芯片级集成电路进行动态电流检测,对得到的数据进行小波变换处理,求出不同尺度下动态电流小波系数的模极大值。依据小波系数模极大值求出多重分形谱,通过其和正常电路多重分形谱之间的差异判断该电路是否存在故障。实验结果表明,所提方法诊断精度高。