论文部分内容阅读
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化支持向量机的参数,创建优化后的VMD-混合域特征集-ASL-Isomap-SVM故障诊断模型。显示诊断率达98.75%,可见其精度较高,适合推广。和EWT混合域特征集-ASL-Isomap-SVM的故障诊断模型、数据直接处理的故障诊断模型展开对比,证实其具有优越性。(4)通过MATLAB平台的GUIDE设计航空发动机转子故障系统界面,提高诊断流程的直观性和便捷性,降低诊断操作难度。