本文關(guān)鍵詞：航空發(fā)動機典型耦合碰摩故障特征識別方法研究

  更多相關(guān)文章： 故障診斷 特征識別 耦合碰摩 BP神經(jīng)網(wǎng)絡(luò) BP_Adaboost模型

【摘要】：碰摩是指旋轉(zhuǎn)機械在轉(zhuǎn)動過程中由于間隙不足造成的旋轉(zhuǎn)件與靜止件之間連續(xù)間歇的接觸行為。航空發(fā)動機為提高其性能和效率,轉(zhuǎn)子和靜子間徑向間隙盡越來越小,使得轉(zhuǎn)靜子之間的碰摩故障時有發(fā)生。由于碰摩故障的發(fā)生是其它故障的二次效應(yīng),故碰摩故障機理和碰摩誘發(fā)的系統(tǒng)響應(yīng)十分復(fù)雜,而且,一旦碰摩故障發(fā)生,沒有被檢測到,將會給機械帶來很嚴重的后果。因此,針對耦合碰摩故障的研究具有重要的意義。本文基于轉(zhuǎn)子實驗臺,研究了單跨轉(zhuǎn)子-軸承系統(tǒng)上的耦合碰摩故障,并對其進行了簡單的機理分析,提出了基于EMD的特征提取方法和BP神經(jīng)網(wǎng)絡(luò)、BP_Adaboost的特征識別方法。故障診斷的關(guān)鍵是要保證穩(wěn)定的故障識別率,避免誤報,故障診斷的重點在于能提取出關(guān)鍵的故障特征信號和有效的分類識別方法。EMD分析方法是基于數(shù)據(jù)時域局部特征的,它可把復(fù)雜的數(shù)據(jù)分解成有限的、通常是少量的幾個內(nèi)蘊模式函數(shù)分量,這種方法擁有自適應(yīng)強、工作效率高等優(yōu)點,而且能很直觀的展現(xiàn)出重疊復(fù)雜信號的內(nèi)蘊模式,使得其在處理非線性的時變問題時顯得尤其有效。本文詳細論述了EMD分解理論,并采用EMD分解提取耦合碰摩震動信號的故障特征。故障診斷的分類識別方法上選擇了BP神經(jīng)網(wǎng)絡(luò)和構(gòu)造的BP_Adaboost分類器兩種識別方法,分別詳細介紹了兩種方法的基本理論和特點。在對碰摩故障診斷分析的基礎(chǔ)上,選取不同頻段上信號頻率的能量為各個故障模式的特征值,利用BP神經(jīng)網(wǎng)絡(luò)及BP_Adaboost模型得到的特征值進行模式分類,并對兩種方法的試驗結(jié)果進行了對比分析,實現(xiàn)了故障診斷的作用。試驗結(jié)果表明,基于BP_Adaboost模型的故障特征識別方法準確率較高,由于其容錯性較強能運用于諸多領(lǐng)域,前景十分廣闊。
【關(guān)鍵詞】：故障診斷 特征識別 耦合碰摩 BP神經(jīng)網(wǎng)絡(luò) BP_Adaboost模型
【學位授予單位】：沈陽航空航天大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：V263.6
【目錄】：

• 摘要6-7
• Abstract7-12
• 主要符號表12-13
• 第1章 緒論13-18
• 1.1 課題研究背景13-14
• 1.2 碰摩故障診斷的重要意義14-15
• 1.3 本課題國內(nèi)外的研究現(xiàn)狀15-17
• 1.4 課題主要研究內(nèi)容17-18
• 1.4.1 課題的主要目標17
• 1.4.2 本文的章節(jié)安排17-18
• 第2章 耦合碰摩故障的機理分析及實驗平臺的介紹18-28
• 2.1 概述18
• 2.2 耦合故障轉(zhuǎn)子-軸承系統(tǒng)模型和運動微分方程18-20
• 2.2.1 碰摩力19
• 2.2.2 運動微分方程19-20
• 2.3 耦合故障轉(zhuǎn)子-軸承系統(tǒng)非線性特性分析20-25
• 2.3.1 非線性摩擦力對碰摩轉(zhuǎn)子-軸承系統(tǒng)非線性特性的影響20-22
• 2.3.2 裂紋對碰摩轉(zhuǎn)子-軸承系統(tǒng)非線性特性的影響22-23
• 2.3.3 松動對對碰摩轉(zhuǎn)子-軸承系統(tǒng)非線性特性的影響23-24
• 2.3.4 實驗小結(jié)24-25
• 2.4 轉(zhuǎn)子實驗平臺25-27
• 2.4.1 轉(zhuǎn)子實驗臺介紹25-27
• 2.4.2 轉(zhuǎn)子實驗臺參數(shù)確定27
• 2.5 本章小結(jié)27-28
• 第3章 基于EMD的耦合碰摩故障特征提取方法28-39
• 3.1 EMD方法的基本原理28-34
• 3.1.1 瞬時頻率29-30
• 3.1.2 內(nèi)模函數(shù)30-31
• 3.1.3 EMD方法篩分過程31-34
• 3.2 耦合碰摩信號的EMD時頻分析34-38
• 3.3 本章小結(jié)38-39
• 第4章 基于BP神經(jīng)網(wǎng)絡(luò)的耦合碰摩故障特征識別算法39-50
• 4.1 BP神經(jīng)網(wǎng)絡(luò)簡介39-42
• 4.1.1 生物神經(jīng)元模型40
• 4.1.2 神經(jīng)網(wǎng)絡(luò)模型40-41
• 4.1.3 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)41-42
• 4.1.4 神經(jīng)網(wǎng)絡(luò)的學習42
• 4.2 BP神經(jīng)網(wǎng)絡(luò)42-46
• 4.2.1 BP神經(jīng)網(wǎng)絡(luò)的定義、特點及應(yīng)用42-43
• 4.2.2 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)43-44
• 4.2.3 BP算法44
• 4.2.4 BP算法的步驟44-45
• 4.2.5 BP算法的流程圖45-46
• 4.3 耦合碰摩故障信號的BP神經(jīng)網(wǎng)絡(luò)特征識別算法46-48
• 4.4 BP神經(jīng)網(wǎng)絡(luò)的性能分析48-49
• 4.4.1 BP神經(jīng)網(wǎng)絡(luò)主要缺陷48
• 4.4.2 對BP神經(jīng)網(wǎng)絡(luò)存在缺點的探討48-49
• 4.5 本章小結(jié)49-50
• 第5章 基于BP_ADABOOST模型的耦合碰摩故障特征識別算法50-59
• 5.1 Boosting算法背景50
• 5.2 Adaboost算法的提出50
• 5.3 Adaboost算法的理論分析50-52
• 5.4 BP_Adaboost模型的建立52
• 5.5 基于BP_Adaboost的耦合碰摩故障識別算法52-58
• 5.5.1 實驗設(shè)計54-57
• 5.5.2 結(jié)果分析57-58
• 5.6 本章小結(jié)58-59
• 結(jié)論59-60
• 參考文獻60-62
• 致謝62-63
• 攻讀碩士期間發(fā)表（含錄用）的學術(shù)論文63

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 胡蔦慶,溫熙森;轉(zhuǎn)子碰摩故障振動特征的數(shù)值分析與辨識方法[J];中國電機工程學報;2002年12期

2 申梅英;;旋轉(zhuǎn)機械轉(zhuǎn)子碰摩故障診斷[J];煉油與化工;2006年01期

3 胡愛軍;向玲;唐貴基;;轉(zhuǎn)子系統(tǒng)啟動過程局部碰摩故障實驗研究[J];潤滑與密封;2007年05期

4 胡愛軍;安連鎖;唐貴基;;轉(zhuǎn)子碰摩故障振動時頻特征的實驗研究[J];動力工程;2007年04期

5 王胤鼎;李以農(nóng);鄭玲;王家序;;兩端剛性支撐轉(zhuǎn)子系統(tǒng)碰摩故障的非線性特征研究[J];礦山機械;2008年04期

6 楊奕;沈申生;;轉(zhuǎn)子早期碰摩故障特征的小波包分析[J];汽輪機技術(shù);2008年04期

7 孟傳民;鄧艾東;蔣章;童航;;轉(zhuǎn)子碰摩故障的聲發(fā)射與振動特征分析[J];汽輪機技術(shù);2010年06期

8 姚紅良;韓清凱;李凌軒;聞邦椿;;基于諧波分量的轉(zhuǎn)子系統(tǒng)碰摩故障定量診斷方法[J];機械工程學報;2012年05期

9 陳果;;基于一類支持向量機與主成分分析的轉(zhuǎn)靜碰摩故障檢測技術(shù)[J];振動與沖擊;2012年22期

10 劉華峰;李建蘭;余辰;高偉;黃樹紅;;非線性轉(zhuǎn)子系統(tǒng)碰摩故障的突變性能分析[J];振動.測試與診斷;2012年06期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 馬超;馬閱軍;顧正甫;何田;;基于機匣聲發(fā)射傳感器陣列的碰摩故障定位研究[A];第十屆全國振動理論及應(yīng)用學術(shù)會議論文集（2011）上冊[C];2011年

2 蔣靜;李志農(nóng);曾宇冬;員險鋒;;轉(zhuǎn)子碰摩故障的非線性頻譜分析[A];第十二屆全國設(shè)備故障診斷學術(shù)會議論文集[C];2010年

3 張小棟;張平;劉春翔;;大型旋轉(zhuǎn)機械轉(zhuǎn)子系統(tǒng)徑向碰摩故障機理研究[A];2008年全國振動工程及應(yīng)用學術(shù)會議暨第十一屆全國設(shè)備故障診斷學術(shù)會議論文集[C];2008年

4 亢寶田;甄月平;;旋轉(zhuǎn)機械碰摩故障的識別與診斷[A];第八屆全國振動理論及應(yīng)用學術(shù)會議論文集摘要[C];2003年

5 鄧艾東;包永強;高N，

本文編號：1082970