發(fā)布時間：2017-10-19 20:39

  本文關鍵詞：基于小波包神經網絡的航空發(fā)動機轉子故障診斷

  更多相關文章： 航空發(fā)動機轉子 故障診斷 小波包分析 神經網絡 可靠性

【摘要】：航空發(fā)動機是一個復雜的非線性系統(tǒng),由于它的結構復雜,對飛行器的安全運行影響度高。并且,因其在高溫高壓高負荷等環(huán)境下工作,對其性能有很高的要求。轉子系統(tǒng)又是航空發(fā)動機最重要的組成部分,其是否能夠安全無故障運行,直接關系著發(fā)動機系統(tǒng)甚至于整個飛行器的安全。因此,能為航空發(fā)動機故障診斷提供現(xiàn)實和理論依據的轉子故障診斷系統(tǒng),就顯得十分重要�，F(xiàn)有的智能化故障診斷有著豐富的經驗和方法,每一種方法都有其優(yōu)缺點。由于航空發(fā)動機轉子轉速高,振動頻率高,首先采用小波包對其振動信號進行降噪,然后采用小波包分析對降噪后的信號做四層分解和重構,計算第四層16個子頻段能量值和原信號能量值的比值,作為神經網絡的輸入向量(即故障樣本)。接下來采用BP神經網絡和概率神經網絡作故障診斷,并提出一種算法,對兩種神經網絡診斷結果進行融合,得到了更加可信的診斷效果。在故障診斷之后,進行可靠性分析。采用基于運行狀態(tài)的可靠性分析方法來分析小樣本的航空發(fā)動機可靠性問題。首先計算振動信號的小波域、時域和頻域特征作為可靠性分析的依據。然后用核主成分分析方法提取主特征并生成各個不同狀態(tài)的狀態(tài)子空間,接下來計算當前狀態(tài)(即工作狀態(tài)或者說是故障狀態(tài))和正常狀態(tài)子空間主夾角,把主夾角的余弦值作為當前狀態(tài)的可靠度。這種方法不需要大量的樣本作為支撐,僅僅需要少數(shù)的幾種運行狀態(tài)就可以分析設備的可靠性。結合前面的分析,運用MATLAB GUI設計理論,開發(fā)轉子信號分析和故障診斷系統(tǒng)。將前面的研究成果通過人機交互很好的展現(xiàn)在用戶面前,達到良好的人機交互模式。
【關鍵詞】：航空發(fā)動機轉子 故障診斷 小波包分析 神經網絡 可靠性
【學位授予單位】：西安工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：V263.6
【目錄】：

• 摘要3-5
• ABSTRACT5-9
• 1 緒論9-15
• 1.1 課題的研究背景及意義9-10
• 1.2 國內外發(fā)展現(xiàn)狀10-13
• 1.2.1 小波分析發(fā)展現(xiàn)狀10-11
• 1.2.2 診斷工程發(fā)展現(xiàn)狀11
• 1.2.3 基于神經網絡的智能診斷的發(fā)展現(xiàn)狀11-12
• 1.2.4 基于運行狀態(tài)信息的可靠性評估發(fā)展現(xiàn)狀12-13
• 1.3 本課題的主要研究內容和方法13-15
• 2 航空發(fā)動機轉子故障模式分析與小波包數(shù)據處理15-24
• 2.1 轉子系統(tǒng)振動的故障機理15-19
• 2.1.1 轉子不平衡15-16
• 2.1.2 轉子不對中16-17
• 2.1.3 轉了動靜件摩擦17
• 2.1.4 轉子支承松動17-19
• 2.2 小波包振動信號降噪19-20
• 2.2.1 小波包去噪的一般原理19
• 2.2.2 閾值的選取19-20
• 2.3 信號的小波包分解和重構20-22
• 2.4 重構信號小波能量計算22-23
• 2.5 本章小結23-24
• 3 兩種神經網絡融合的航空發(fā)動機轉子故障診斷24-37
• 3.1 神經網絡的基本原理24-28
• 3.1.1 BP神經網絡的模型25-26
• 3.1.2 反向傳播學習算法26-28
• 3.2 神經網絡設計28-32
• 3.2.1 BP神經網絡輸入數(shù)據一化28-29
• 3.2.2 BP神經網絡結構設計29-31
• 3.2.3 對BP算法的改進31-32
• 3.3 基于BP神經網絡和概率神經網絡故障診斷32-34
• 3.4 診斷結果的融合34-35
• 3.5 本章小結35-37
• 4 基于核主成分分析的小型航空發(fā)動機可靠性分析37-54
• 4.1 傳統(tǒng)可靠性分析的不足37-38
• 4.2 基于運行狀態(tài)的可靠性分析流程38-39
• 4.3 信號特征提取39-42
• 4.3.1 信號時域和頻域特征提取39-40
• 4.3.2 小波包變換提取信號特征40-42
• 4.4 基于核主成分分析的狀態(tài)子空間構造42-46
• 4.4.1 主成分分析的原理42-43
• 4.4.2 核主成分分析43-44
• 4.4.3 核主成分分析構造狀態(tài)空間的參數(shù)選擇44-46
• 4.5 子空間主夾角及映射函數(shù)46-49
• 4.5.1 子空間主夾角46-48
• 4.5.2 子空間夾角到可靠度的映射函數(shù)48-49
• 4.6 實驗驗證49-53
• 4.6.1 軸承可靠性評估49-51
• 4.6.2 小型航空發(fā)動機可靠性評估51-53
• 4.7 本章小結53-54
• 5 航空發(fā)動機轉子故障診斷GUI設計54-61
• 5.1 引言54
• 5.2 轉子故障診斷系統(tǒng)的功能54
• 5.3 航空發(fā)動機轉子故障診斷系統(tǒng)設計54-60
• 5.3.1 航空發(fā)動轉子故障診斷系統(tǒng)實現(xiàn)流程54-55
• 5.3.2 評估系統(tǒng)界面介紹55-60
• 5.4 本章小結60-61
• 6 總結61-63
• 參考文獻63-66
• 攻讀碩士學位期間發(fā)表的論文66-67
• 致謝67-69

【相似文獻】

中國期刊全文數(shù)據庫 前10條

1 王凡,孟立凡;關于使用神經網絡推定操作者疲勞的研究[J];人類工效學;2004年03期

2 常國任;李仁松;沈醫(yī)文;劉鋼;;基于神經網絡的直升機艦面系統(tǒng)效能評估[J];艦船電子工程;2007年03期

3 陳俊;;神經網絡的應用與展望[J];佛山科學技術學院學報(自然科學版);2009年05期

4 許萬增;;神經網絡的研究及其應用[J];國際技術經濟研究學報;1990年01期

5 張軍華;神經網絡技術及其在軍用系統(tǒng)中的應用[J];現(xiàn)代防御技術;1992年04期

6 雷明,李作清,陳志祥,吳雅,楊叔子;神經網絡在預報控制中的應用[J];機床;1993年11期

7 靳蕃;神經網絡及其在鐵道科技中應用的探討[J];鐵道學報;1993年02期

8 宋玉華，王啟霞;神經網絡診斷──神經網絡在自動化領域里的應用[J];中國儀器儀表;1994年03期

9 魏銘炎;國內外神經網絡技術的研究與應用概況[J];電機電器技術;1995年04期

10 王中賢，，錢頌迪;神經網絡法在經濟管理中的應用[J];航天工業(yè)管理;1995年04期

中國重要會議論文全文數(shù)據庫 前10條

1 徐春玉;;基于泛集的神經網絡的混沌性[A];1996中國控制與決策學術年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經網絡[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經網絡和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術及其應用學術會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

5 鐘義信;;知識論:神經網絡的新機遇——紀念中國神經網絡10周年[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

6 許進;保錚;;神經網絡與圖論[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預報產品的神經網絡釋用預報應用[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

8 田金亭;;神經網絡在中學生創(chuàng)造力評估中的應用[A];第十二屆全國心理學學術大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經網絡的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

10 張廣遠;萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經網絡的故障診斷方法研究[A];第十二屆全國設備故障診斷學術會議論文集[C];2010年

中國重要報紙全文數(shù)據庫 前10條

1 美國明尼蘇達大學社會學博士 密西西比州立大學國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經網絡硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經網絡將大顯身手[N];中國紡織報;2003年

4 中國科技大學計算機系　邢方亮;神經網絡挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經網絡”：打開復雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經網絡[N];科技日報;2011年

7 健康時報特約記者　 張獻懷;干細胞移植：修復受損的神經網絡[N];健康時報;2006年

8 劉力;我半導體神經網絡技術及應用研究達國際先進水平[N];中國電子報;2001年

9 ;神經網絡和模糊邏輯[N];世界金屬導報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經網絡應用研究通過鑒定[N];中國船舶報;2006年

中國博士學位論文全文數(shù)據庫 前10條

1 楊旭華;神經網絡及其在控制中的應用研究[D];浙江大學;2004年

2 李素芳;基于神經網絡的無線通信算法研究[D];山東大學;2015年

3 石艷超;憶阻神經網絡的混沌性及幾類時滯神經網絡的同步研究[D];電子科技大學;2014年

4 王新迎;基于隨機映射神經網絡的多元時間序列預測方法研究[D];大連理工大學;2015年

5 付愛民;極速學習機的訓練殘差、穩(wěn)定性及泛化能力研究[D];中國農業(yè)大學;2015年

6 李輝;基于粒計算的神經網絡及集成方法研究[D];中國礦業(yè)大學;2015年

7 王衛(wèi)蘋;復雜網絡幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學;2015年

8 張海軍;基于云計算的神經網絡并行實現(xiàn)及其學習方法研究[D];華南理工大學;2015年

9 李艷晴;風速時間序列預測算法研究[D];北京科技大學;2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關鍵技術研究[D];東南大學;2015年

中國碩士學位論文全文數(shù)據庫 前10條

1 章穎;混合不確定性模塊化神經網絡與高校效益預測的研究[D];華南理工大學;2015年

2 賈文靜;基于改進型神經網絡的風力發(fā)電系統(tǒng)預測及控制研究[D];燕山大學;2015年

3 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學;2015年

4 陳彥至;神經網絡降維算法研究與應用[D];華南理工大學;2015年

5 董哲康;基于憶阻器的組合電路及神經網絡研究[D];西南大學;2015年

6 武創(chuàng)舉;基于神經網絡的遙感圖像分類研究[D];昆明理工大學;2015年

7 李志杰;基于神經網絡的上證指數(shù)預測研究[D];華南理工大學;2015年

8 陳少吉;基于神經網絡血壓預測研究與系統(tǒng)實現(xiàn)[D];華南理工大學;2015年

9 張韜;幾類時滯神經網絡穩(wěn)定性分析[D];渤海大學;2015年

10 邵雪瑩;幾類時滯不確定神經網絡的穩(wěn)定性分析[D];渤海大學;2015年

本文編號：1063217