基于改进VMD的航空发动机转子故障特征融合方法研究
发布时间：2022-01-03 07:39
航空发动机作为飞机的“心脏”,由各种复杂旋转机械构成,其中转子系统更尤为重要。在高温高压等极端的工作环境中,转子系统很容易发生由复杂振动引起的故障。因此,对航空发动机转子系统的早期故障诊断研究,来保证航空飞行的安全,减少航空事故的发生具有重要的意义。因为早期的航空发动机故障信号非常赢弱,经常混淆在巨大的噪声中,很难准确的从中提取出故障信息。为了解决这一问题,笔者主要进行了以下的研究:（1）对目前较为多发的几种航空发动机转子故障予以介绍以及详细的分析;分析了变分模态分解（VMD）的局限性,对该方法进行优化,论证其相比优化前所具备的优势。（2）探讨如何在时域与频域特征集、样本熵特征集与ARIMA模型就出上创建高维混合域故障特征集,以全方位的揭示出故障的特性。把优化后的变分模态分解与构建的高维混合域特征集相结合,结合等度规映射（ASL-Isomap）的流形学习方法对高维度故障特征集展开低维流形重构,达到融合故障特征,并据此改进VMD混合域特征集-ASL-Isomap的特征提取方法。（3）通过支持向量机（SVM）完成数据处理结果识别分类,由此分析并识别航空发动机转子系统故障,通过网格搜索算法优...
【文章来源】：河南工业大学河南省
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
近六十年来空难遇难人数图
1绪论2航空发动机是集成了众多高精尖技术，能够可靠运行的设备，人们将其比作是飞机的“心脏”。这一设备能否安全的运行，在很大程度上决定了飞行器的安全性甚至是整体性能。航空发动机在运行过程中，涉及到一系列的物理场，比如流尝力尝温度场等，因此其振动问题十分复杂，这也导致了设备的使用寿命并不太长，特别是航空发动机转子系统，长时间的处于高温、高压、高应力条件下，恶劣工况使其产生了复杂的振动，由此带来一系列的故障隐患，严重时会导致飞行事故。统计数据表明，相当一部分的航空事故，都是因转子系统振动故障导致的[2]。2018年4月17日，美国西南航空公司一架客机从纽约起飞，目的地为达拉斯。在飞行途中，由于左侧发动机爆炸而出现事故，1人因此而丧生，如下图2所示。2000年7月25日，法国航空4590号航班升空后，左侧机翼发生火灾，导致飞机降落下来，撞向一家旅馆，导致机毁人亡，机上109名人员无一生还，并造成旅店4人遇难。下图为该事故机翼起火图。图2航空发动机爆炸事故图图3航空发动机机翼起火图为尽可能规避转子系统的振动带来故障，要求做到对早期故障的提前识别，并及时
1绪论2航空发动机是集成了众多高精尖技术，能够可靠运行的设备，人们将其比作是飞机的“心脏”。这一设备能否安全的运行，在很大程度上决定了飞行器的安全性甚至是整体性能。航空发动机在运行过程中，涉及到一系列的物理场，比如流尝力尝温度场等，因此其振动问题十分复杂，这也导致了设备的使用寿命并不太长，特别是航空发动机转子系统，长时间的处于高温、高压、高应力条件下，恶劣工况使其产生了复杂的振动，由此带来一系列的故障隐患，严重时会导致飞行事故。统计数据表明，相当一部分的航空事故，都是因转子系统振动故障导致的[2]。2018年4月17日，美国西南航空公司一架客机从纽约起飞，目的地为达拉斯。在飞行途中，由于左侧发动机爆炸而出现事故，1人因此而丧生，如下图2所示。2000年7月25日，法国航空4590号航班升空后，左侧机翼发生火灾，导致飞机降落下来，撞向一家旅馆，导致机毁人亡，机上109名人员无一生还，并造成旅店4人遇难。下图为该事故机翼起火图。图2航空发动机爆炸事故图图3航空发动机机翼起火图为尽可能规避转子系统的振动带来故障，要求做到对早期故障的提前识别，并及时
【参考文献】：
期刊论文
[1]基于ASL-Isomap流形学习的滚动轴承故障诊断方法[J]. 王振亚,戚晓利,吴保林. 噪声与振动控制. 2019(02)
[2]基于样本熵的改进小波包阈值去噪算法[J]. 向北平,周建,倪磊,艾攀华. 振动.测试与诊断. 2019(02)
[3]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)
[4]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)
[5]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)
[6]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)
[7]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)
[8]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)
[9]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)
[10]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)
博士论文
[1]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
[2]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
[3]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]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
[4]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
[5]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
[6]航空发动机振动采集系统硬件开发研究[D]. 刘岩松.中国民航大学 2016
[7]某型发动机转子振动故障的信号特征提取及诊断[D]. 张翠.沈阳航空航天大学 2015
[8]基于振动信号分析的汽车故障诊断研究[D]. 吴强.合肥工业大学 2014
[9]基于支持向量机的转子系统故障诊断方法研究[D]. 霍天龙.兰州理工大学 2011
[10]航空事故案例库设计及检索方法研究[D]. 陈铭.南京航空航天大学 2009
本文编号：3565871
【文章来源】：河南工业大学河南省
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
近六十年来空难遇难人数图
1绪论2航空发动机是集成了众多高精尖技术，能够可靠运行的设备，人们将其比作是飞机的“心脏”。这一设备能否安全的运行，在很大程度上决定了飞行器的安全性甚至是整体性能。航空发动机在运行过程中，涉及到一系列的物理场，比如流尝力尝温度场等，因此其振动问题十分复杂，这也导致了设备的使用寿命并不太长，特别是航空发动机转子系统，长时间的处于高温、高压、高应力条件下，恶劣工况使其产生了复杂的振动，由此带来一系列的故障隐患，严重时会导致飞行事故。统计数据表明，相当一部分的航空事故，都是因转子系统振动故障导致的[2]。2018年4月17日，美国西南航空公司一架客机从纽约起飞，目的地为达拉斯。在飞行途中，由于左侧发动机爆炸而出现事故，1人因此而丧生，如下图2所示。2000年7月25日，法国航空4590号航班升空后，左侧机翼发生火灾，导致飞机降落下来，撞向一家旅馆，导致机毁人亡，机上109名人员无一生还，并造成旅店4人遇难。下图为该事故机翼起火图。图2航空发动机爆炸事故图图3航空发动机机翼起火图为尽可能规避转子系统的振动带来故障，要求做到对早期故障的提前识别，并及时
1绪论2航空发动机是集成了众多高精尖技术，能够可靠运行的设备，人们将其比作是飞机的“心脏”。这一设备能否安全的运行，在很大程度上决定了飞行器的安全性甚至是整体性能。航空发动机在运行过程中，涉及到一系列的物理场，比如流尝力尝温度场等，因此其振动问题十分复杂，这也导致了设备的使用寿命并不太长，特别是航空发动机转子系统，长时间的处于高温、高压、高应力条件下，恶劣工况使其产生了复杂的振动，由此带来一系列的故障隐患，严重时会导致飞行事故。统计数据表明，相当一部分的航空事故，都是因转子系统振动故障导致的[2]。2018年4月17日，美国西南航空公司一架客机从纽约起飞，目的地为达拉斯。在飞行途中，由于左侧发动机爆炸而出现事故，1人因此而丧生，如下图2所示。2000年7月25日，法国航空4590号航班升空后，左侧机翼发生火灾，导致飞机降落下来，撞向一家旅馆，导致机毁人亡，机上109名人员无一生还，并造成旅店4人遇难。下图为该事故机翼起火图。图2航空发动机爆炸事故图图3航空发动机机翼起火图为尽可能规避转子系统的振动带来故障，要求做到对早期故障的提前识别，并及时
【参考文献】：
期刊论文
[1]基于ASL-Isomap流形学习的滚动轴承故障诊断方法[J]. 王振亚,戚晓利,吴保林. 噪声与振动控制. 2019(02)
[2]基于样本熵的改进小波包阈值去噪算法[J]. 向北平,周建,倪磊,艾攀华. 振动.测试与诊断. 2019(02)
[3]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)
[4]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)
[5]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)
[6]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)
[7]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)
[8]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)
[9]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)
[10]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)
博士论文
[1]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
[2]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
[3]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]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
[4]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
[5]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
[6]航空发动机振动采集系统硬件开发研究[D]. 刘岩松.中国民航大学 2016
[7]某型发动机转子振动故障的信号特征提取及诊断[D]. 张翠.沈阳航空航天大学 2015
[8]基于振动信号分析的汽车故障诊断研究[D]. 吴强.合肥工业大学 2014
[9]基于支持向量机的转子系统故障诊断方法研究[D]. 霍天龙.兰州理工大学 2011
[10]航空事故案例库设计及检索方法研究[D]. 陈铭.南京航空航天大学 2009
本文编号：3565871
本文链接：https://www.wllwen.com/kejilunwen/hangkongsky/3565871.html
