基于小波包神经网络的航空发动机转子故障诊断

发布时间：2017-10-19 20:39

  本文关键词：基于小波包神经网络的航空发动机转子故障诊断

  更多相关文章： 航空发动机转子 故障诊断 小波包分析 神经网络 可靠性

【摘要】：航空发动机是一个复杂的非线性系统,由于它的结构复杂,对飞行器的安全运行影响度高。并且,因其在高温高压高负荷等环境下工作,对其性能有很高的要求。转子系统又是航空发动机最重要的组成部分,其是否能够安全无故障运行,直接关系着发动机系统甚至于整个飞行器的安全。因此,能为航空发动机故障诊断提供现实和理论依据的转子故障诊断系统,就显得十分重要。现有的智能化故障诊断有着丰富的经验和方法,每一种方法都有其优缺点。由于航空发动机转子转速高,振动频率高,首先采用小波包对其振动信号进行降噪,然后采用小波包分析对降噪后的信号做四层分解和重构,计算第四层16个子频段能量值和原信号能量值的比值,作为神经网络的输入向量(即故障样本)。接下来采用BP神经网络和概率神经网络作故障诊断,并提出一种算法,对两种神经网络诊断结果进行融合,得到了更加可信的诊断效果。在故障诊断之后,进行可靠性分析。采用基于运行状态的可靠性分析方法来分析小样本的航空发动机可靠性问题。首先计算振动信号的小波域、时域和频域特征作为可靠性分析的依据。然后用核主成分分析方法提取主特征并生成各个不同状态的状态子空间,接下来计算当前状态(即工作状态或者说是故障状态)和正常状态子空间主夹角,把主夹角的余弦值作为当前状态的可靠度。这种方法不需要大量的样本作为支撑,仅仅需要少数的几种运行状态就可以分析设备的可靠性。结合前面的分析,运用MATLAB GUI设计理论,开发转子信号分析和故障诊断系统。将前面的研究成果通过人机交互很好的展现在用户面前,达到良好的人机交互模式。
【关键词】：航空发动机转子 故障诊断 小波包分析 神经网络 可靠性
【学位授予单位】：西安工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：V263.6
【目录】：

• 摘要3-5
• ABSTRACT5-9
• 1 绪论9-15
• 1.1 课题的研究背景及意义9-10
• 1.2 国内外发展现状10-13
• 1.2.1 小波分析发展现状10-11
• 1.2.2 诊断工程发展现状11
• 1.2.3 基于神经网络的智能诊断的发展现状11-12
• 1.2.4 基于运行状态信息的可靠性评估发展现状12-13
• 1.3 本课题的主要研究内容和方法13-15
• 2 航空发动机转子故障模式分析与小波包数据处理15-24
• 2.1 转子系统振动的故障机理15-19
• 2.1.1 转子不平衡15-16
• 2.1.2 转子不对中16-17
• 2.1.3 转了动静件摩擦17
• 2.1.4 转子支承松动17-19
• 2.2 小波包振动信号降噪19-20
• 2.2.1 小波包去噪的一般原理19
• 2.2.2 阈值的选取19-20
• 2.3 信号的小波包分解和重构20-22
• 2.4 重构信号小波能量计算22-23
• 2.5 本章小结23-24
• 3 两种神经网络融合的航空发动机转子故障诊断24-37
• 3.1 神经网络的基本原理24-28
• 3.1.1 BP神经网络的模型25-26
• 3.1.2 反向传播学习算法26-28
• 3.2 神经网络设计28-32
• 3.2.1 BP神经网络输入数据一化28-29
• 3.2.2 BP神经网络结构设计29-31
• 3.2.3 对BP算法的改进31-32
• 3.3 基于BP神经网络和概率神经网络故障诊断32-34
• 3.4 诊断结果的融合34-35
• 3.5 本章小结35-37
• 4 基于核主成分分析的小型航空发动机可靠性分析37-54
• 4.1 传统可靠性分析的不足37-38
• 4.2 基于运行状态的可靠性分析流程38-39
• 4.3 信号特征提取39-42
• 4.3.1 信号时域和频域特征提取39-40
• 4.3.2 小波包变换提取信号特征40-42
• 4.4 基于核主成分分析的状态子空间构造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 核主成分分析构造状态空间的参数选择44-46
• 4.5 子空间主夹角及映射函数46-49
• 4.5.1 子空间主夹角46-48
• 4.5.2 子空间夹角到可靠度的映射函数48-49
• 4.6 实验验证49-53
• 4.6.1 轴承可靠性评估49-51
• 4.6.2 小型航空发动机可靠性评估51-53
• 4.7 本章小结53-54
• 5 航空发动机转子故障诊断GUI设计54-61
• 5.1 引言54
• 5.2 转子故障诊断系统的功能54
• 5.3 航空发动机转子故障诊断系统设计54-60
• 5.3.1 航空发动转子故障诊断系统实现流程54-55
• 5.3.2 评估系统界面介绍55-60
• 5.4 本章小结60-61
• 6 总结61-63
• 参考文献63-66
• 攻读硕士学位期间发表的论文66-67
• 致谢67-69

【相似文献】

中国期刊全文数据库 前10条

1 王凡,孟立凡;关于使用神经网络推定操作者疲劳的研究[J];人类工效学;2004年03期

2 常国任;李仁松;沈医文;刘钢;;基于神经网络的直升机舰面系统效能评估[J];舰船电子工程;2007年03期

3 陈俊;;神经网络的应用与展望[J];佛山科学技术学院学报(自然科学版);2009年05期

4 许万增;;神经网络的研究及其应用[J];国际技术经济研究学报;1990年01期

5 张军华;神经网络技术及其在军用系统中的应用[J];现代防御技术;1992年04期

6 雷明,李作清,陈志祥,吴雅,杨叔子;神经网络在预报控制中的应用[J];机床;1993年11期

7 靳蕃;神经网络及其在铁道科技中应用的探讨[J];铁道学报;1993年02期

8 宋玉华，王启霞;神经网络诊断──神经网络在自动化领域里的应用[J];中国仪器仪表;1994年03期

9 魏铭炎;国内外神经网络技术的研究与应用概况[J];电机电器技术;1995年04期

10 王中贤，，钱颂迪;神经网络法在经济管理中的应用[J];航天工业管理;1995年04期

中国重要会议论文全文数据库 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

中国博士学位论文全文数据库 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年

中国硕士学位论文全文数据库 前10条

1 章颖;混合不确定性模块化神经网络与高校效益预测的研究[D];华南理工大学;2015年

2 贾文静;基于改进型神经网络的风力发电系统预测及控制研究[D];燕山大学;2015年

3 李慧芳;基于忆阻器的涡卷混沌系统及其电路仿真[D];西南大学;2015年

4 陈彦至;神经网络降维算法研究与应用[D];华南理工大学;2015年

5 董哲康;基于忆阻器的组合电路及神经网络研究[D];西南大学;2015年

6 武创举;基于神经网络的遥感图像分类研究[D];昆明理工大学;2015年

7 李志杰;基于神经网络的上证指数预测研究[D];华南理工大学;2015年

8 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年

9 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年

10 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年

本文编号：1063217