航空发动机振动信号有效性验证方法的研究涉及两方面内容,其一是对振动传感器在发动机试车过程所采集信号的真实性进行检验;其二是对传感器的状态完好性进行检测,对其出现的故障进行识别和诊断。本文首先研究了基于AR模型的时间序列分析方法在振动信号建模、预测方面的应用;创新性地将经验模式分解方法引入航空发动机振动信号分析领域,随后在此基础之上将两者有机结合,提出一种基于时序建模、预测和EMD分解的振动传感器数据有效性验证方法,通过信号仿真验证其有效性。该方法一方面可以生成故障数据与正常数据之间的残差向量,通过对残差向量的分析,诊断传感器故障的严重程度,实现对数据的有效性进行验证;另一方面还能将原始信号中的故障模式予以剔除,重构有效的信息成分。最后,本文将该方法应用到某型双转子航空发动机整机振动的实测信号分析工作中,针对其数据异常现象,对数据的有效性进行验证,对传感器的故障进行诊断。分析结果表明,基于AR模型的时间序列建模、预测方法对航空发动机振动信号具有良好的适用性,建模快速合理,拟合精度较高,预测结果准确;基于经验模式分解及Hilbert变换的信号处理方法可以有效地对航空发动机振动信号进行时频多分辨率分析,诊断出常规方法难以发现的传感器故障。在二者基础上建立的振动信号有效性验证方法具有准确、智能、分辨率高、可视化等优点,具有一定的应用价值。