本文關(guān)鍵詞：基于小波分析的航空發(fā)動機振動故障診斷研究

  更多相關(guān)文章： 航空發(fā)動機 故障診斷 小波變換 神經(jīng)網(wǎng)絡(luò)

【摘要】：航空發(fā)動機作為飛機的一個重要組成部分,擔任著為航空器提供推力和支持力的任務(wù),具有結(jié)構(gòu)復雜和高速旋轉(zhuǎn)等特點,其穩(wěn)定性能對于飛行任務(wù)的成功與否起到?jīng)Q定性作用。由于現(xiàn)代航空技術(shù)的不斷發(fā)展,航空發(fā)動機的性能逐漸提高,對工作條件和結(jié)構(gòu)強度這兩項的要求也日益增加,從而導致航空發(fā)動機出現(xiàn)振動故障的情況明顯增多。由此可以表明航空發(fā)動機故障診斷的重要性。因此,采取有效控制手段減少發(fā)動機振動故障并制定合理措施有效排除振動故障,已經(jīng)成為當前發(fā)動機研究工作的重點之一。頻譜分析是航空發(fā)動機故障診斷中使用的較為廣泛的現(xiàn)代信號處理方法之一。簡單的FFT就可以直接對振動信號進行頻譜分析,但是其頻率分辨率較低。而小波分析算法具有良好的細化分辨能力,可以對信號進行時段和頻段的任意劃分,具有更高的頻率分辨率。本文根據(jù)激起航空發(fā)動機振動的力和因素多、振動現(xiàn)象復雜等特點,研究了發(fā)動機振動的機理和模型。針對采集信號過程中參雜的噪聲,通過去噪仿真,對去噪方法進行分析比較,選擇適合的去噪方法。并對航空發(fā)動機振動信號特征提取采用小波分析理論進行研究,對不同工作狀態(tài)下的振動信號做頻譜分析和小波包能量譜的仿真,選擇合適的小波函數(shù)和最佳分解層數(shù)。在頻譜分析基礎(chǔ)上,利用離散小波變換和連續(xù)小波變換構(gòu)建特征量的方法對常見的航空發(fā)動機的工作狀態(tài)構(gòu)建特征向量,并建立小波分析與神經(jīng)網(wǎng)絡(luò)相結(jié)合的航空發(fā)動機故障診斷模型。最后,使用所建立的故障診斷模型對某型航空發(fā)動機振動故障實例進行診斷分析,驗證所設(shè)計的故障診斷方法的有效性和實用性。
【關(guān)鍵詞】：航空發(fā)動機 故障診斷 小波變換 神經(jīng)網(wǎng)絡(luò)
【學位授予單位】：中國民航大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：V263.6
【目錄】：

• 摘要5-6
• Abstract6-11
• 第一章 緒論11-16
• 1.1 研究背景和意義11-12
• 1.2 國內(nèi)外研究現(xiàn)狀12-14
• 1.2.1 國內(nèi)研究現(xiàn)狀12-13
• 1.2.2 國外研究現(xiàn)狀13-14
• 1.3 本文主要內(nèi)容14-16
• 1.3.1 研究目標14
• 1.3.2 研究內(nèi)容14-16
• 第二章 航空發(fā)動機振動故障原理分析16-25
• 2.1 振動信號分析基礎(chǔ)16-20
• 2.1.1 振動信號基本概念16-17
• 2.1.2 振動信號分析17-20
• 2.2 航空發(fā)動機振動機理20-23
• 2.2.1 發(fā)動機整機振動20-21
• 2.2.2 轉(zhuǎn)子振動21-23
• 2.3 航空發(fā)動機振動故障診斷23-24
• 2.3.1 航空發(fā)動機的故障分析23-24
• 2.3.2 航空發(fā)動機狀態(tài)識別的復雜性和有效性24
• 2.4 本章小結(jié)24-25
• 第三章 振動信號去噪方法的應(yīng)用研究25-37
• 3.1 傅里葉變換25-26
• 3.2 信號去噪效果比較準則26-27
• 3.3 小波分析去噪與小波閾值去噪27-33
• 3.3.1 小波分析去噪基函數(shù)的選擇27-30
• 3.3.2 小波閾值去噪基本原理30-32
• 3.3.3 閾值的選擇32-33
• 3.4 去噪仿真實驗33-36
• 3.5 本章小結(jié)36-37
• 第四章 基于小波分析的航空發(fā)動機振動故障特征值提取37-53
• 4.1 小波變換相關(guān)參數(shù)37-39
• 4.1.1 小波基函數(shù)的選取37-38
• 4.1.2 小波階數(shù)的選擇38
• 4.1.3 小波包分解層數(shù)的選擇38-39
• 4.2 頻譜分析39-44
• 4.2.1 發(fā)動機振動信號的采集39-40
• 4.2.2 信號的分解與重構(gòu)40
• 4.2.3 轉(zhuǎn)子不對中故障40-43
• 4.2.4 轉(zhuǎn)子不平衡故障43
• 4.2.5 轉(zhuǎn)動與靜止件碰摩的振動故障43-44
• 4.3 基于小波能量譜的航空發(fā)動機振動信號特征值的提取44-52
• 4.3.1 基于離散小波能量譜的航空發(fā)動機振動信號特征值的提取44-48
• 4.3.2 基于連續(xù)小波能量譜的航空發(fā)動機振動信號特征值的提取48-51
• 4.3.3 連續(xù)小波變換與離散小波變換之間的對比51-52
• 4.4 本章小結(jié)52-53
• 第五章 基于小波神經(jīng)網(wǎng)絡(luò)的航空發(fā)動機故障診斷研究53-65
• 5.1 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)53-55
• 5.1.1 神經(jīng)網(wǎng)絡(luò)原理53-54
• 5.1.2 神經(jīng)網(wǎng)絡(luò)的學習能力54-55
• 5.2 BP神經(jīng)網(wǎng)絡(luò)和Elman神經(jīng)網(wǎng)絡(luò)55-57
• 5.2.1 BP神經(jīng)網(wǎng)絡(luò)模型55-56
• 5.2.2 BP神經(jīng)網(wǎng)絡(luò)的訓練56
• 5.2.3 Elman神經(jīng)網(wǎng)絡(luò)模型56-57
• 5.2.4 Elman神經(jīng)網(wǎng)絡(luò)的訓練57
• 5.3 小波神經(jīng)網(wǎng)絡(luò)57-64
• 5.3.1 小波神經(jīng)網(wǎng)絡(luò)的定義57-58
• 5.3.2 基于小波包能量譜和BP網(wǎng)絡(luò)的故障診斷58-61
• 5.3.3 基于小波包及時域特征結(jié)合的BP網(wǎng)絡(luò)故障診斷61-63
• 5.3.4 基于連續(xù)小波變換的BP網(wǎng)絡(luò)故障診斷63
• 5.3.5 基于連續(xù)小波變換的Elman神經(jīng)網(wǎng)絡(luò)故障診斷63-64
• 5.4 本章小結(jié)64-65
• 第六章 總結(jié)與展望65-67
• 6.1 結(jié)論65
• 6.2 展望65-67
• 致謝67-68
• 參考文獻68-72
• 攻讀碩士期間發(fā)表的學術(shù)論文72

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 楊平;環(huán)境友好的高效航空發(fā)動機[J];全球科技經(jīng)濟w，

本文編號：605450