基于改进EWT特征融合的航空发动机转子故障诊断
发布时间：2021-02-24 17:00
航空发动机作为航空器动力源泉,由各种复杂旋转机械构成,其承担着保证飞行器平稳飞行的重要任务。作为航空发动机核心的航空发动机转子系统,在高温、高压等条件下很容易由复杂振动导致转子系统故障,造成飞行事故。因此进行航空发动机转子系统早期故障诊断方法研究,对保障航空器的安全以及平稳飞行具有重要意义。由于航空发动机转子早期振动故障的特征信号十分微弱并且淹没在强噪声环境中,使得故障特征信息难以提取。针对此问题,本文研究内容包括:（1）详细介绍了航空发动机转子常见故障类型并对其进行分析,分析了经验小波变换（EWT）的理论及其局限性,提出一种改进的经验小波变换方法并证明了其对比原始经验小波变换的优越性。（2）提出由时域和频域特征集、AR模型系数特征集和功率谱熵特征集构建混合域高维故障特征集的方法来从多个方面更全面的反映故障的性质,并将改进经验小波变换与混合域特征集相结合,结合线性局部切空间排列（LLTSA）的流形学习算法对高维故障特征集进行低维流形重构实现故障特征融合约简,提出改进EWT混合域特征集-LLTSA的特征提取方法。（3）采用支持向量机（SVM）对特征提取结果进行故障分类实现航空发动机转子的...
【文章来源】：河南工业大学河南省
【文章页数】：86 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
1 绪论
1.1 课题研究背景及意义
1.2 国内外发展现状
1.3 本课题主要研究内容和章节安排
2 转子系统常见故障分析和改进经验小波变换方法
2.1 引言
2.2 航空发动机转子常见故障分析
2.2.1 转子系统振动的基本原理
2.2.2 转子常见故障分析
2.3 经验小波变换的原理及其局限性
2.3.1 经验小波变换
2.3.2 经验小波变换的局限性
2.4 经验小波变换的改进方法
2.5 改进经验小波变换的验证
2.6 本章小结
3 基于改进经验小波变换和流形学习的特征融合方法
3.1 引言
3.2 时域和频域特征集
3.3 AR模型系数特征集
3.4 功率谱熵特征集
3.5 线性局部切空间排列
3.5.1 流形学习简介
3.5.2 LLTSA理论基础
3.5.3 LLTSA算法
3.6 改进EWT混合域特征集-LLTSA的特征提取模型
3.7 本章小结
4 改进EWT混合域特征集-LLTSA-SVM的转子系统故障诊断
4.1 引言
4.2 支持向量机
4.2.1 支持向量机简介
4.2.2 基于支持向量机的故障诊断模型
4.2.3 支持向量机原理
4.2.4 SVM的最优分类面
4.2.5 SVM的核函数
4.2.6 SVM的多类分类方法
4.2.7 LibSVM简介
4.3 数据来源及实验数据参数选择
4.4 故障诊断结果及对比分析
4.4.1 改进EWT混合域特征集-LLTSA-SVM的故障诊断模型
4.4.2 改进EWT混合域特征集-LLTSA-SVM模型结果分析
4.4.3 故障诊断模型对比分析
4.5 本章小结
5 航空发动机转子系统故障诊断的GUI设计
5.1 引言
5.2 Matlab及 GUI简介
5.3 GUI的设计原则及流程
5.4 故障诊断系统的界面设计及测试
5.4.1 故障诊断系统的界面介绍
5.4.2 运行测试
5.5 本章小结
结论与展望
参考文献
致谢
作者简介
【参考文献】：
期刊论文
[1]基于经验模态分解和深度卷积神经网络的行星齿轮箱故障诊断方法[J]. 胡茑庆,陈徽鹏,程哲,张伦,张宇. 机械工程学报. 2019(07)
[2]基于EEMD小波阈值去噪和CS-BP神经网络的风电齿轮箱故障诊断[J]. 王红君,赵元路,赵辉,岳有军. 机械传动. 2019(01)
[3]基于广义复合多尺度排列熵与PCA的滚动轴承故障诊断方法[J]. 郑近德,刘涛,孟瑞,刘庆运. 振动与冲击. 2018(20)
[4]基于EEMD和DT-CWT的滚动轴承在非稳定运行时的故障诊断研究[J]. 邢义通,顾欣然,王朝阁,张玉皓,胡志芳. 煤矿机械. 2018(10)
[5]基于LMD-MS的滚动轴承微弱故障提取方法[J]. 王志坚,吴文轩,马维金,张纪平,王俊元,李伟伟. 振动.测试与诊断. 2018(05)
[6]基于WT与cICA的齿轮箱低频故障特征提取[J]. 冷军发,王志阳,陈会涛,荆双喜. 机械强度. 2018(05)
[7]LMD支持向量机电机轴承故障诊断研究[J]. 尹召杰,许同乐,郑店坤. 哈尔滨理工大学学报. 2018(05)
[8]Matlab GUI小波神经网络回转窑故障诊断[J]. 谷雨,艾红,王辉. 北京信息科技大学学报(自然科学版). 2018(04)
[9]近年来民航事故统计分析[J]. 刘雨行,侯丽娜. 信息记录材料. 2018(09)
[10]EEMD与NRS在涡桨发动机转子故障诊断中的应用[J]. 丁锋,栗祥,韩帅. 航空动力学报. 2018(06)
博士论文
[1]基于信息熵的实时信号测量技术及其应用研究[D]. 蒋俊.电子科技大学 2017
[2]基于流形学习的旋转机械早期故障融合诊断方法研究[D]. 马婧华.重庆大学 2015
[3]基于流形学习的风电机组传动系统故障诊断方法研究[D]. 李锋.重庆大学 2011
[4]基于流形学习的旋转机械故障诊断方法研究[D]. 王广斌.中南大学 2010
[5]流形学习理论与算法研究[D]. 孙明明.南京理工大学 2007
硕士论文
[1]基于傅里叶分解算法的航空发动机转子碰摩故障诊断研究[D]. 刘洋.南昌航空大学 2018
[2]转子系统盘轴松动故障振动特性研究[D]. 刘杰.南昌航空大学 2018
[3]经验小波变换和支持向量机在滚动轴承故障诊断中的应用研究[D]. 栗蕴琦.西南交通大学 2018
[4]转子振动信号的故障特征提取方法研究[D]. 李霁蒲.兰州理工大学 2018
[5]基于Labeled-LDA的列控车载设备故障特征提取与诊断方法研究[D]. 胡福威.北京交通大学 2018
[6]工程机械液压油缸压力信号分析及故障诊断系统设计[D]. 贾志奇.石家庄铁道大学 2017
[7]基于EMD与SVM的航空发动机转子系统故障诊断[D]. 栗祥.西安工业大学 2017
[8]基于多特征量提取和极限学习机的轴承故障诊断方法研究[D]. 李亚卓.昆明理工大学 2017
[9]航空发动机典型故障监测方法研究[D]. 刘宏伟.沈阳航空航天大学 2017
[10]基于双子支持向量机的航空发动机故障诊断[D]. 杜彦斌.南京航空航天大学 2017
本文编号：3049677
【文章来源】：河南工业大学河南省
【文章页数】：86 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
1 绪论
1.1 课题研究背景及意义
1.2 国内外发展现状
1.3 本课题主要研究内容和章节安排
2 转子系统常见故障分析和改进经验小波变换方法
2.1 引言
2.2 航空发动机转子常见故障分析
2.2.1 转子系统振动的基本原理
2.2.2 转子常见故障分析
2.3 经验小波变换的原理及其局限性
2.3.1 经验小波变换
2.3.2 经验小波变换的局限性
2.4 经验小波变换的改进方法
2.5 改进经验小波变换的验证
2.6 本章小结
3 基于改进经验小波变换和流形学习的特征融合方法
3.1 引言
3.2 时域和频域特征集
3.3 AR模型系数特征集
3.4 功率谱熵特征集
3.5 线性局部切空间排列
3.5.1 流形学习简介
3.5.2 LLTSA理论基础
3.5.3 LLTSA算法
3.6 改进EWT混合域特征集-LLTSA的特征提取模型
3.7 本章小结
4 改进EWT混合域特征集-LLTSA-SVM的转子系统故障诊断
4.1 引言
4.2 支持向量机
4.2.1 支持向量机简介
4.2.2 基于支持向量机的故障诊断模型
4.2.3 支持向量机原理
4.2.4 SVM的最优分类面
4.2.5 SVM的核函数
4.2.6 SVM的多类分类方法
4.2.7 LibSVM简介
4.3 数据来源及实验数据参数选择
4.4 故障诊断结果及对比分析
4.4.1 改进EWT混合域特征集-LLTSA-SVM的故障诊断模型
4.4.2 改进EWT混合域特征集-LLTSA-SVM模型结果分析
4.4.3 故障诊断模型对比分析
4.5 本章小结
5 航空发动机转子系统故障诊断的GUI设计
5.1 引言
5.2 Matlab及 GUI简介
5.3 GUI的设计原则及流程
5.4 故障诊断系统的界面设计及测试
5.4.1 故障诊断系统的界面介绍
5.4.2 运行测试
5.5 本章小结
结论与展望
参考文献
致谢
作者简介
【参考文献】：
期刊论文
[1]基于经验模态分解和深度卷积神经网络的行星齿轮箱故障诊断方法[J]. 胡茑庆,陈徽鹏,程哲,张伦,张宇. 机械工程学报. 2019(07)
[2]基于EEMD小波阈值去噪和CS-BP神经网络的风电齿轮箱故障诊断[J]. 王红君,赵元路,赵辉,岳有军. 机械传动. 2019(01)
[3]基于广义复合多尺度排列熵与PCA的滚动轴承故障诊断方法[J]. 郑近德,刘涛,孟瑞,刘庆运. 振动与冲击. 2018(20)
[4]基于EEMD和DT-CWT的滚动轴承在非稳定运行时的故障诊断研究[J]. 邢义通,顾欣然,王朝阁,张玉皓,胡志芳. 煤矿机械. 2018(10)
[5]基于LMD-MS的滚动轴承微弱故障提取方法[J]. 王志坚,吴文轩,马维金,张纪平,王俊元,李伟伟. 振动.测试与诊断. 2018(05)
[6]基于WT与cICA的齿轮箱低频故障特征提取[J]. 冷军发,王志阳,陈会涛,荆双喜. 机械强度. 2018(05)
[7]LMD支持向量机电机轴承故障诊断研究[J]. 尹召杰,许同乐,郑店坤. 哈尔滨理工大学学报. 2018(05)
[8]Matlab GUI小波神经网络回转窑故障诊断[J]. 谷雨,艾红,王辉. 北京信息科技大学学报(自然科学版). 2018(04)
[9]近年来民航事故统计分析[J]. 刘雨行,侯丽娜. 信息记录材料. 2018(09)
[10]EEMD与NRS在涡桨发动机转子故障诊断中的应用[J]. 丁锋,栗祥,韩帅. 航空动力学报. 2018(06)
博士论文
[1]基于信息熵的实时信号测量技术及其应用研究[D]. 蒋俊.电子科技大学 2017
[2]基于流形学习的旋转机械早期故障融合诊断方法研究[D]. 马婧华.重庆大学 2015
[3]基于流形学习的风电机组传动系统故障诊断方法研究[D]. 李锋.重庆大学 2011
[4]基于流形学习的旋转机械故障诊断方法研究[D]. 王广斌.中南大学 2010
[5]流形学习理论与算法研究[D]. 孙明明.南京理工大学 2007
硕士论文
[1]基于傅里叶分解算法的航空发动机转子碰摩故障诊断研究[D]. 刘洋.南昌航空大学 2018
[2]转子系统盘轴松动故障振动特性研究[D]. 刘杰.南昌航空大学 2018
[3]经验小波变换和支持向量机在滚动轴承故障诊断中的应用研究[D]. 栗蕴琦.西南交通大学 2018
[4]转子振动信号的故障特征提取方法研究[D]. 李霁蒲.兰州理工大学 2018
[5]基于Labeled-LDA的列控车载设备故障特征提取与诊断方法研究[D]. 胡福威.北京交通大学 2018
[6]工程机械液压油缸压力信号分析及故障诊断系统设计[D]. 贾志奇.石家庄铁道大学 2017
[7]基于EMD与SVM的航空发动机转子系统故障诊断[D]. 栗祥.西安工业大学 2017
[8]基于多特征量提取和极限学习机的轴承故障诊断方法研究[D]. 李亚卓.昆明理工大学 2017
[9]航空发动机典型故障监测方法研究[D]. 刘宏伟.沈阳航空航天大学 2017
[10]基于双子支持向量机的航空发动机故障诊断[D]. 杜彦斌.南京航空航天大学 2017
本文编号：3049677
本文链接：https://www.wllwen.com/kejilunwen/hangkongsky/3049677.html
