[发明专利]一种基于功率熵谱-随机森林的航空发动机滚动轴承故障诊断方法

说明书

本发明属于航空发动机故障诊断技术领域，提供了一种基于功率熵谱‑随机森林的航空发动机滚动轴承故障诊断方法。本发明针对现有传统技术存在的上述不足，提出基于随机森林的航空发动机滚动轴承故障诊断方法，其中，首先使用某研究机构提供的航空发动机滚动轴承试验测量数据建立训练数据集和测试数据集；基于故障特征提取的思想，采用小波分析对原始采集数据进行时域统计分析和频域分析；从而从工程应用角度出发，实现了有效的故障诊断。

技术领域

本发明属于航空发动机故障诊断技术领域，具体涉及一种基于功率熵谱-随机森林的航空发动机滚动轴承故障诊断方法。

背景技术

航空发动机作为航空发动机系统的核心部件之一，其能否正常工作将直接影响到飞机的飞行安全。而滚动轴承是航空发动机中应用最广泛的一种通用机械部件，研究表明，在航空发动机的各种故障中，滚动轴承故障占有相当大的比例。因此，如何准确监测识别出航空发动机滚动轴承所处的不同故障模式，对确保飞机飞行安全以及降低维修成本起关键作用，具有重要的军事与经济价值。

目前已有很多国内外学者展开了滚动轴承的检测及诊断研究方面的工作，常用诊断技术包括热诊断、声学诊断、光纤诊断、油液诊断以及振动诊断技术。其中，振动诊断技术理论相对成熟，其通过采集和处理运行过程中的振动信号，对滚动轴承中的变形、脱落等进行监测和诊断。本文中采用的即为振动诊断技术。而随着

综上，本文提出一种基于随机森林的航空发动机滚动轴承故障诊断模型，从工程实际应用角度出发，对发动机滚动轴承的内圈故障、外圈故障以及滚动体故障等10类状态进行识别。

发明内容

本发明针对现有传统技术存在的上述不足，提出基于随机森林的航空发动机滚动轴承故障诊断方法。

本发明的技术方案：

一种基于功率熵谱-随机森林的航空发动机滚动轴承故障诊断方法，如附图1主流程图所示，步骤如下：

第一步，航空发动机性滚动轴承故障数据预处理

对原始滚动轴承数据，首先进行(1)、(2)步预处理：

(1)滚动轴承实验测量数据包括转速n₁、驱动端振动加速度a₁、风扇端振动加速度a₂、故障直径d、滚珠个数Z、内圈半径r₁、外圈半径r₂和接触角度α₂，共8组参数；

(2)数据集成：滚动轴承实验测量数据包括多个实验过程现场采集数据，将多源实验数据结合起来统一存储，并建立滚动轴承故障数据库；

待提取出故障特征后，对特征数据进行(3)、(4)、(5)步处理：

(3)重采样：对于特征数据进行分析，由于采时间间隔不等，为了方便之后的滚动预测，采用线性重采样法对滚动轴承实验测量数据进行重采样处理；

(4)归一化：对重采样处理后的数据进行归一化处理，以取消各维数据间数量级差别，避免因输入输出数据数量级差别较大而造成预测误差较大；使用最大最小法，其转换形式如下：

x_no_r＝(x_no_r-x_min)/(x_max-x_min)

式中，x_nor为待归一化数据序列，x_min为数据序列中的最小数，x_max为数据序列中的最大数；

(5)数据筛选与清理：对归一化后的数据进行可视化处理，讲故障数据进行简单聚类和清理；

第二步，滚动轴承数据特征向量提取