基于小波分析的航空发动机振动故障诊断研究
发布时间：2017-08-01 17:41
本文关键词：基于小波分析的航空发动机振动故障诊断研究
【摘要】：航空发动机作为飞机的一个重要组成部分,担任着为航空器提供推力和支持力的任务,具有结构复杂和高速旋转等特点,其稳定性能对于飞行任务的成功与否起到决定性作用。由于现代航空技术的不断发展,航空发动机的性能逐渐提高,对工作条件和结构强度这两项的要求也日益增加,从而导致航空发动机出现振动故障的情况明显增多。由此可以表明航空发动机故障诊断的重要性。因此,采取有效控制手段减少发动机振动故障并制定合理措施有效排除振动故障,已经成为当前发动机研究工作的重点之一。频谱分析是航空发动机故障诊断中使用的较为广泛的现代信号处理方法之一。简单的FFT就可以直接对振动信号进行频谱分析,但是其频率分辨率较低。而小波分析算法具有良好的细化分辨能力,可以对信号进行时段和频段的任意划分,具有更高的频率分辨率。本文根据激起航空发动机振动的力和因素多、振动现象复杂等特点,研究了发动机振动的机理和模型。针对采集信号过程中参杂的噪声,通过去噪仿真,对去噪方法进行分析比较,选择适合的去噪方法。并对航空发动机振动信号特征提取采用小波分析理论进行研究,对不同工作状态下的振动信号做频谱分析和小波包能量谱的仿真,选择合适的小波函数和最佳分解层数。在频谱分析基础上,利用离散小波变换和连续小波变换构建特征量的方法对常见的航空发动机的工作状态构建特征向量,并建立小波分析与神经网络相结合的航空发动机故障诊断模型。最后,使用所建立的故障诊断模型对某型航空发动机振动故障实例进行诊断分析,验证所设计的故障诊断方法的有效性和实用性。
【关键词】：航空发动机 故障诊断 小波变换 神经网络
【学位授予单位】：中国民航大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：V263.6
【目录】：
- 摘要5-6
- Abstract6-11
- 第一章 绪论11-16
- 1.1 研究背景和意义11-12
- 1.2 国内外研究现状12-14
- 1.2.1 国内研究现状12-13
- 1.2.2 国外研究现状13-14
- 1.3 本文主要内容14-16
- 1.3.1 研究目标14
- 1.3.2 研究内容14-16
- 第二章 航空发动机振动故障原理分析16-25
- 2.1 振动信号分析基础16-20
- 2.1.1 振动信号基本概念16-17
- 2.1.2 振动信号分析17-20
- 2.2 航空发动机振动机理20-23
- 2.2.1 发动机整机振动20-21
- 2.2.2 转子振动21-23
- 2.3 航空发动机振动故障诊断23-24
- 2.3.1 航空发动机的故障分析23-24
- 2.3.2 航空发动机状态识别的复杂性和有效性24
- 2.4 本章小结24-25
- 第三章 振动信号去噪方法的应用研究25-37
- 3.1 傅里叶变换25-26
- 3.2 信号去噪效果比较准则26-27
- 3.3 小波分析去噪与小波阈值去噪27-33
- 3.3.1 小波分析去噪基函数的选择27-30
- 3.3.2 小波阈值去噪基本原理30-32
- 3.3.3 阈值的选择32-33
- 3.4 去噪仿真实验33-36
- 3.5 本章小结36-37
- 第四章 基于小波分析的航空发动机振动故障特征值提取37-53
- 4.1 小波变换相关参数37-39
- 4.1.1 小波基函数的选取37-38
- 4.1.2 小波阶数的选择38
- 4.1.3 小波包分解层数的选择38-39
- 4.2 频谱分析39-44
- 4.2.1 发动机振动信号的采集39-40
- 4.2.2 信号的分解与重构40
- 4.2.3 转子不对中故障40-43
- 4.2.4 转子不平衡故障43
- 4.2.5 转动与静止件碰摩的振动故障43-44
- 4.3 基于小波能量谱的航空发动机振动信号特征值的提取44-52
- 4.3.1 基于离散小波能量谱的航空发动机振动信号特征值的提取44-48
- 4.3.2 基于连续小波能量谱的航空发动机振动信号特征值的提取48-51
- 4.3.3 连续小波变换与离散小波变换之间的对比51-52
- 4.4 本章小结52-53
- 第五章 基于小波神经网络的航空发动机故障诊断研究53-65
- 5.1 神经网络基础53-55
- 5.1.1 神经网络原理53-54
- 5.1.2 神经网络的学习能力54-55
- 5.2 BP神经网络和Elman神经网络55-57
- 5.2.1 BP神经网络模型55-56
- 5.2.2 BP神经网络的训练56
- 5.2.3 Elman神经网络模型56-57
- 5.2.4 Elman神经网络的训练57
- 5.3 小波神经网络57-64
- 5.3.1 小波神经网络的定义57-58
- 5.3.2 基于小波包能量谱和BP网络的故障诊断58-61
- 5.3.3 基于小波包及时域特征结合的BP网络故障诊断61-63
- 5.3.4 基于连续小波变换的BP网络故障诊断63
- 5.3.5 基于连续小波变换的Elman神经网络故障诊断63-64
- 5.4 本章小结64-65
- 第六章 总结与展望65-67
- 6.1 结论65
- 6.2 展望65-67
- 致谢67-68
- 参考文献68-72
- 攻读硕士期间发表的学术论文72
【相似文献】
中国期刊全文数据库 前10条
1 杨平;环境友好的高效航空发动机[J];全球科技经济w，
本文编号：605450
本文链接：https://www.wllwen.com/kejilunwen/hangkongsky/605450.html
