本文關(guān)鍵詞：基于振動(dòng)分析的民航發(fā)動(dòng)機(jī)轉(zhuǎn)子系統(tǒng)故障診斷研究

  更多相關(guān)文章： 民航發(fā)動(dòng)機(jī) 轉(zhuǎn)子系統(tǒng) 振動(dòng)分析 故障診斷 信息融合

【摘要】：民用航空事業(yè)的快速發(fā)展對(duì)民航運(yùn)營安全性和經(jīng)濟(jì)性提出了越來越高的要求,發(fā)動(dòng)機(jī)作為民航飛機(jī)的核心部件,其運(yùn)行狀況勢(shì)必制約整機(jī)的運(yùn)營安全和經(jīng)濟(jì)效益。據(jù)統(tǒng)計(jì),在造成飛行事故的各種機(jī)械故障中,發(fā)動(dòng)機(jī)故障約占了1/3,其中有60%~70%為轉(zhuǎn)子系統(tǒng)的結(jié)構(gòu)強(qiáng)度故障。由此可見,開展發(fā)動(dòng)機(jī)轉(zhuǎn)子系統(tǒng)故障診斷是實(shí)現(xiàn)發(fā)動(dòng)機(jī)健康管理和視情維修,提高飛行安全,降低維修成本的重要手段,因此研究先進(jìn)的故障診斷方法與技術(shù)具有重要的科學(xué)意義和應(yīng)用價(jià)值。本文圍繞民航發(fā)動(dòng)機(jī)轉(zhuǎn)子系統(tǒng)故障診斷的若干關(guān)鍵問題,采用仿真分析和模擬實(shí)驗(yàn)等手段,對(duì)轉(zhuǎn)子系統(tǒng)故障數(shù)據(jù)庫建立、故障信號(hào)分析處理與特征提取、故障識(shí)別與診斷決策等內(nèi)容進(jìn)行了深入的研究。在故障數(shù)據(jù)庫建立方面,根據(jù)數(shù)據(jù)庫設(shè)計(jì)的一般方法和轉(zhuǎn)子系統(tǒng)故障診斷需求,設(shè)計(jì)了故障數(shù)據(jù)庫的總體結(jié)構(gòu)。針對(duì)故障數(shù)據(jù)不易獲取的問題,在采集發(fā)動(dòng)機(jī)試車試驗(yàn)振動(dòng)數(shù)據(jù)的同時(shí),開展了轉(zhuǎn)子系統(tǒng)動(dòng)力學(xué)仿真和模擬實(shí)驗(yàn)研究,建立發(fā)動(dòng)機(jī)轉(zhuǎn)子動(dòng)力學(xué)模型,求解典型故障下系統(tǒng)的動(dòng)力學(xué)響應(yīng);搭建民航發(fā)動(dòng)機(jī)轉(zhuǎn)子模擬實(shí)驗(yàn)臺(tái),設(shè)計(jì)實(shí)驗(yàn)方案,對(duì)典型故障進(jìn)行模擬,獲取了多種工況下的振動(dòng)信息。故障數(shù)據(jù)庫的建立為開展故障診斷方法研究奠定了基礎(chǔ)。在故障信號(hào)分析處理與特征提取方面,對(duì)自適應(yīng)非平穩(wěn)信號(hào)分析方法經(jīng)驗(yàn)?zāi)Ｊ椒纸夥椒ㄟM(jìn)行了研究,針對(duì)經(jīng)驗(yàn)?zāi)Ｊ椒纸獯嬖诘亩它c(diǎn)效應(yīng)、模式混疊以及不能提取信號(hào)中高頻小能量特征的問題,提出了改進(jìn)方法,對(duì)滾動(dòng)軸承故障及轉(zhuǎn)子故障信號(hào)進(jìn)行分析,結(jié)果驗(yàn)證了改進(jìn)方法在描述信號(hào)時(shí)頻分布和提取故障特征方面的優(yōu)越性。在故障模式識(shí)別方面,提出了基于模糊支持向量機(jī)的故障識(shí)別方法,以解決傳統(tǒng)支持向量機(jī)易受噪聲和奇異點(diǎn)干擾的問題,采用自適應(yīng)核模糊聚類方法確定樣本的模糊隸屬度,并利用遺傳算法優(yōu)化模型參數(shù);結(jié)合多征兆域故障特征,對(duì)轉(zhuǎn)子系統(tǒng)故障進(jìn)行診斷,與其他方法進(jìn)行對(duì)比,驗(yàn)證了該方法在識(shí)別故障類型和故障程度上的有效性及抑制噪聲方面的優(yōu)越性。在診斷決策方面,針對(duì)單一信源故障診斷結(jié)果的不精確和不確定性問題,提出了基于多分類器和多傳感器的融合診斷模型,研究了基于證據(jù)理論的決策層融合方法,采用DSm T理論對(duì)沖突證據(jù)進(jìn)行組合,從而獲得更合理的融合結(jié)果;對(duì)轉(zhuǎn)子故障的診斷結(jié)果表明兩種方法均能提高診斷決策的可靠性與準(zhǔn)確性,其中多傳感器融合模型由于能夠從不同角度提供更多的底層故障信息,表現(xiàn)出優(yōu)秀的魯棒性和抗噪能力。最后,基于Lab VIEW平臺(tái),結(jié)合數(shù)據(jù)庫技術(shù)和MATLAB聯(lián)合編程,設(shè)計(jì)開發(fā)了發(fā)動(dòng)機(jī)轉(zhuǎn)子故障診斷系統(tǒng),為故障診斷技術(shù)的工程應(yīng)用提供了支持。
【關(guān)鍵詞】：民航發(fā)動(dòng)機(jī) 轉(zhuǎn)子系統(tǒng) 振動(dòng)分析 故障診斷 信息融合
【學(xué)位授予單位】：天津大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：V263.6
【目錄】：

• 中文摘要4-6
• Abstract6-11
• 第一章 緒論11-25
• 1.1 研究背景和意義11-12
• 1.2 國內(nèi)外研究現(xiàn)狀12-23
• 1.2.1 航空發(fā)動(dòng)機(jī)故障診斷技術(shù)與診斷系統(tǒng)的發(fā)展12-15
• 1.2.2 故障轉(zhuǎn)子系統(tǒng)仿真與實(shí)驗(yàn)研究15-17
• 1.2.3 信號(hào)處理與故障特征提取研究17-19
• 1.2.4 故障模式識(shí)別研究19-21
• 1.2.5 信息融合技術(shù)在航空發(fā)動(dòng)機(jī)故障診斷中應(yīng)用21-23
• 1.3 本文主要研究內(nèi)容23-25
• 第二章 故障數(shù)據(jù)庫設(shè)計(jì)與數(shù)據(jù)獲取研究25-57
• 2.1 故障數(shù)據(jù)庫設(shè)計(jì)25-29
• 2.1.1 數(shù)據(jù)庫相關(guān)概念25-26
• 2.1.2 數(shù)據(jù)庫設(shè)計(jì)概述26-27
• 2.1.3 故障數(shù)據(jù)庫需求分析27-28
• 2.1.4 故障數(shù)據(jù)庫結(jié)構(gòu)設(shè)計(jì)28-29
• 2.2 轉(zhuǎn)子系統(tǒng)故障數(shù)據(jù)獲取29-56
• 2.2.1 仿真故障數(shù)據(jù)獲取及分析29-44
• 2.2.2 實(shí)驗(yàn)故障數(shù)據(jù)獲取及分析44-56
• 2.3 本章小結(jié)56-57
• 第三章 基于經(jīng)驗(yàn)?zāi)Ｊ椒纸獾墓收闲盘?hào)分析與特征提取57-83
• 3.1 EMD的基本原理57-60
• 3.1.1 EMD的基本概念57-59
• 3.1.2 EMD的原理和過程59-60
• 3.1.3 Hilbert-Huang時(shí)頻譜60
• 3.2 EMD的問題討論60-62
• 3.3 改進(jìn)的EMD方法62-73
• 3.3.1 基于GSVR的端點(diǎn)效應(yīng)處理62-64
• 3.3.2 切觸包絡(luò)擬合64-66
• 3.3.3 改進(jìn)EMD算法流程66-67
• 3.3.4 數(shù)值仿真分析67-71
• 3.3.5 軸承故障診斷實(shí)驗(yàn)與分析71-73
• 3.4 基于EMD-WPT的轉(zhuǎn)子故障信號(hào)分析73-80
• 3.4.1 小波包變換的概念及性質(zhì)74-76
• 3.4.2 EMD-WPT分析流程76-77
• 3.4.3 轉(zhuǎn)子故障信號(hào)分析77-80
• 3.5 基于IMF參數(shù)的故障特征提取80-82
• 3.6 本章小結(jié)82-83
• 第四章 基于模糊支持向量機(jī)的故障模式識(shí)別研究83-103
• 4.1 模糊支持向量機(jī)模型83-87
• 4.1.1 SVM的基本理論83-85
• 4.1.2 FSVM模型85-87
• 4.2 樣本模糊隸屬度賦值方法87-90
• 4.3 基于FSVM的故障診斷模型及驗(yàn)證90-93
• 4.3.1 遺傳算法優(yōu)化的FSVM故障診斷模型90-91
• 4.3.2 仿真驗(yàn)證91-93
• 4.4 基于FSVM的軸承故障診斷93-96
• 4.4.1 故障樣本描述93-94
• 4.4.2 故障特征94
• 4.4.3 故障診斷結(jié)果分析94-96
• 4.5 基于FSVM的轉(zhuǎn)子故障診斷96-102
• 4.5.1 轉(zhuǎn)子故障診斷流程96-97
• 4.5.2 故障樣本描述97-98
• 4.5.3 核函數(shù)和多分類策略分析98-99
• 4.5.4 不同故障診斷模型對(duì)比分析99-100
• 4.5.5 不同故障特征的對(duì)比分析100-101
• 4.5.6 噪聲情況下的診斷結(jié)果分析101-102
• 4.6 本章小結(jié)102-103
• 第五章 轉(zhuǎn)子系統(tǒng)故障融合診斷研究103-121
• 5.1 信息融合技術(shù)概述103-105
• 5.2 轉(zhuǎn)子故障融合診斷模型105-107
• 5.2.1 基于多分類器融合的轉(zhuǎn)子故障診斷106
• 5.2.2 基于多傳感器融合的轉(zhuǎn)子故障診斷106-107
• 5.3 基于證據(jù)理論的決策層融合方法107-112
• 5.3.1 D-S證據(jù)理論107-108
• 5.3.2 DSm T證據(jù)理論108-110
• 5.3.3 證據(jù)體基本信度賦值110-112
• 5.3.4 決策規(guī)則112
• 5.4 故障融合診斷結(jié)果分析112-119
• 5.4.1 數(shù)據(jù)描述112-113
• 5.4.2 基于多分類器融合的故障診斷結(jié)果分析113-117
• 5.4.3 基于多傳感器融合的故障診斷結(jié)果分析117-119
• 5.5 本章小結(jié)119-121
• 第六章 民航發(fā)動(dòng)機(jī)轉(zhuǎn)子故障診斷系統(tǒng)設(shè)計(jì)121-141
• 6.1 需求分析與總體設(shè)計(jì)121-123
• 6.1.1 需求分析121-122
• 6.1.2 總體設(shè)計(jì)122-123
• 6.2 系統(tǒng)硬件設(shè)計(jì)123-125
• 6.3 系統(tǒng)軟件設(shè)計(jì)125-136
• 6.3.1 數(shù)據(jù)采集模塊設(shè)計(jì)125-127
• 6.3.2 信號(hào)分析處理與特征提取模塊設(shè)計(jì)127-130
• 6.3.3 故障識(shí)別模塊設(shè)計(jì)130-133
• 6.3.4 數(shù)據(jù)庫管理模塊設(shè)計(jì)133-136
• 6.4 系統(tǒng)運(yùn)行測(cè)試136-140
• 6.5 本章小結(jié)140-141
• 第七章 總結(jié)與展望141-143
• 7.1 全文總結(jié)141-142
• 7.2 創(chuàng)新點(diǎn)142
• 7.3 工作展望142-143
• 參考文獻(xiàn)143-157
• 發(fā)表論文和參加科研情況說明157-159
• 致謝159-160

，

本文編號(hào)：888835