本文關鍵詞：基于振動分析的民航發(fā)動機轉(zhuǎn)子系統(tǒng)故障診斷研究

  更多相關文章： 民航發(fā)動機 轉(zhuǎn)子系統(tǒng) 振動分析 故障診斷 信息融合

【摘要】：民用航空事業(yè)的快速發(fā)展對民航運營安全性和經(jīng)濟性提出了越來越高的要求,發(fā)動機作為民航飛機的核心部件,其運行狀況勢必制約整機的運營安全和經(jīng)濟效益。據(jù)統(tǒng)計,在造成飛行事故的各種機械故障中,發(fā)動機故障約占了1/3,其中有60%~70%為轉(zhuǎn)子系統(tǒng)的結(jié)構(gòu)強度故障。由此可見,開展發(fā)動機轉(zhuǎn)子系統(tǒng)故障診斷是實現(xiàn)發(fā)動機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,因此研究先進的故障診斷方法與技術具有重要的科學意義和應用價值。本文圍繞民航發(fā)動機轉(zhuǎn)子系統(tǒng)故障診斷的若干關鍵問題,采用仿真分析和模擬實驗等手段,對轉(zhuǎn)子系統(tǒng)故障數(shù)據(jù)庫建立、故障信號分析處理與特征提取、故障識別與診斷決策等內(nèi)容進行了深入的研究。在故障數(shù)據(jù)庫建立方面,根據(jù)數(shù)據(jù)庫設計的一般方法和轉(zhuǎn)子系統(tǒng)故障診斷需求,設計了故障數(shù)據(jù)庫的總體結(jié)構(gòu)。針對故障數(shù)據(jù)不易獲取的問題,在采集發(fā)動機試車試驗振動數(shù)據(jù)的同時,開展了轉(zhuǎn)子系統(tǒng)動力學仿真和模擬實驗研究,建立發(fā)動機轉(zhuǎn)子動力學模型,求解典型故障下系統(tǒng)的動力學響應;搭建民航發(fā)動機轉(zhuǎn)子模擬實驗臺,設計實驗方案,對典型故障進行模擬,獲取了多種工況下的振動信息。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。在故障信號分析處理與特征提取方面,對自適應非平穩(wěn)信號分析方法經(jīng)驗模式分解方法進行了研究,針對經(jīng)驗模式分解存在的端點效應、模式混疊以及不能提取信號中高頻小能量特征的問題,提出了改進方法,對滾動軸承故障及轉(zhuǎn)子故障信號進行分析,結(jié)果驗證了改進方法在描述信號時頻分布和提取故障特征方面的優(yōu)越性。在故障模式識別方面,提出了基于模糊支持向量機的故障識別方法,以解決傳統(tǒng)支持向量機易受噪聲和奇異點干擾的問題,采用自適應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,對轉(zhuǎn)子系統(tǒng)故障進行診斷,與其他方法進行對比,驗證了該方法在識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理論對沖突證據(jù)進行組合,從而獲得更合理的融合結(jié)果;對轉(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,結(jié)合數(shù)據(jù)庫技術和MATLAB聯(lián)合編程,設計開發(fā)了發(fā)動機轉(zhuǎn)子故障診斷系統(tǒng),為故障診斷技術的工程應用提供了支持。
【關鍵詞】：民航發(fā)動機 轉(zhuǎn)子系統(tǒng) 振動分析 故障診斷 信息融合
【學位授予單位】：天津大學
【學位級別】：博士
【學位授予年份】：2015
【分類號】：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)動機故障診斷技術與診斷系統(tǒng)的發(fā)展12-15
• 1.2.2 故障轉(zhuǎn)子系統(tǒng)仿真與實驗研究15-17
• 1.2.3 信號處理與故障特征提取研究17-19
• 1.2.4 故障模式識別研究19-21
• 1.2.5 信息融合技術在航空發(fā)動機故障診斷中應用21-23
• 1.3 本文主要研究內(nèi)容23-25
• 第二章 故障數(shù)據(jù)庫設計與數(shù)據(jù)獲取研究25-57
• 2.1 故障數(shù)據(jù)庫設計25-29
• 2.1.1 數(shù)據(jù)庫相關概念25-26
• 2.1.2 數(shù)據(jù)庫設計概述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)設計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 實驗故障數(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)驗模式分解的故障信號分析與特征提取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時頻譜60
• 3.2 EMD的問題討論60-62
• 3.3 改進的EMD方法62-73
• 3.3.1 基于GSVR的端點效應處理62-64
• 3.3.2 切觸包絡擬合64-66
• 3.3.3 改進EMD算法流程66-67
• 3.3.4 數(shù)值仿真分析67-71
• 3.3.5 軸承故障診斷實驗與分析71-73
• 3.4 基于EMD-WPT的轉(zhuǎn)子故障信號分析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的故障模式識別研究83-103
• 4.1 模糊支持向量機模型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比分析99-100
• 4.5.5 不同故障特征的對比分析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)動機轉(zhuǎn)子故障診斷系統(tǒng)設計121-141
• 6.1 需求分析與總體設計121-123
• 6.1.1 需求分析121-122
• 6.1.2 總體設計122-123
• 6.2 系統(tǒng)硬件設計123-125
• 6.3 系統(tǒng)軟件設計125-136
• 6.3.1 數(shù)據(jù)采集模塊設計125-127
• 6.3.2 信號分析處理與特征提取模塊設計127-130
• 6.3.3 故障識別模塊設計130-133
• 6.3.4 數(shù)據(jù)庫管理模塊設計133-136
• 6.4 系統(tǒng)運行測試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142
• 7.3 工作展望142-143
• 參考文獻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：888835