[发明专利]一种航空发动机转子系统故障信号特征信息的提取方法

说明书

本发明公开了一种航空发动机转子系统故障信号特征信息的提取方法，该方法先对转子碰摩振动信号进行采集，并对采集到的转子碰摩振动信号进行FDM分解，得到完备的碰摩振动信号FIBFs分量，再构造降噪后转子碰摩故障振动信号的Hankel矩阵，并对获得降噪碰摩振动信号的奇异值绘制奇异值曲线，确定奇异值突变点并进行重构阶数和对该信号进行包络谱分析，从而实现故障信息的有效提取。该方法利用基于FDM分解和奇异值差分谱分析，实现了转子系统故障特征频率的合理提取，同时又高效滤除了碰摩振动信号中的噪声信号成份，从而能由低频段强噪声背景中提取出弱故障特征信息，实现了故障信息的有效提取。

技术领域

本发明涉及一种信号特征信息的提取方法，尤其涉及一种航空发动机转子系统故障信号特征信息的提取方法。

背景技术

航空发动机是飞机的心脏，是航空机械设备中故障率最高、调整最复杂、维护工作量最大的系统，其工作状态的好坏直接影响到飞机的安全可靠与运行。一旦发动机在运行中出现了故障，就可能导致飞机无法正常飞行，危及人身安全，造成重大的社会、经济损失。

据统计，航空发动机的故障发生率约占整个飞机故障的30％，飞机因机械原因发生的重大飞行事故中40％左右是由于发动机故障导致的，发动机由于自身特点不同于一般机械，即使非常轻微的一些机械缺陷或损伤都会引起转子系统的振动，包括从几乎小得微不足道的振动到大得足以导致发动机破坏的振动。由于航空发动机转子系统的复杂性，往往多种故障会表现为相同的振动，而同一故障又会表现为不同的振动，所以会导致漏报和误报，严重影响了航空发动机转子系统故障诊断的可靠性。为了提高航空发动机转子系统故障诊断水平，需要发展实用、准确、高效的特征信息提取方法。

目前，航空发动机转子系统故障诊断和信号特征提取的方法很多，例如，侯胜利、李应红等在《基于主元核相似度免疫机制的故障诊断方法及应用》一文中基于主元核理论和免疫系统机制，提出了基于主元核相似度免疫机制的故障诊断方法；文振华、左洪福在《基于粗糙集—集成神经网络的航空发动机磨损故障诊断方法》一文中将粗糙集理论和神经网络相结合并应用到航空发动机磨损故障诊断中，依据属性的重要性和决策表的相容性，采用粗糙集理论对征兆信息进行属性约简，获取征兆的主要特征；徐启华、师军在《基于支持向量机的航空发动机故障诊断》一文中提出一种基于支持向量机的航空发动机故障诊断方法，应用该方法成功地对发动机气路部件的几种典型故障进行了正确诊断；王威、侯胜利在《一种基于人工免疫理论的性能监控与故障诊断方法》一文中针对航空发动机故障样本获取比较困难等问题，提出了一种基于人工免疫理论的航空发动机性能监控与故障诊断方法；蔡开龙，谢寿生在《航空发动机的模糊故障诊断方法研究》一文中提出了一种基于T-S模糊模型的故障诊断方法，将基于T-S模糊模型的故障诊断方法应用于航空发动机。

这些方法都对航空发动机转子系统故障诊断和信号特征提取做出了一定的贡献，但其诊断手段相对单一，难以较为准确、快捷的提取航空发动机转子系统的工况特征信息，而且反映航空发动机转子系统的运行状态不够全面。

同时，授权公告号为CN101968379B的专利和申请公布号为CN107506709A的专利申请分别公开了两种航空发动机转子系统故障信号特征信息的提取方法，这两种方法都是利用电涡流位移传感器测取振动信号，并分别采用构思不同的小波聚类进行分析，从大量振动位移信号中挖掘隐含的特征信息，实现工况特征的提取，前一种方法在提取精度和速度上仍然存在一定的不足，后一种提取方法在前一种的基础上进行了突破性改进，但其和前者仍然都存在一共性问题，即在提取结果中噪声背景频谱得不到有效的滤除，且弱故障特征信息与故障特征信息频率频谱冲击振幅接近，在一定程度上影响了转子故障特征的合理提取，所以，为了去除噪声干扰并更加合理地对航空发动机转子系统故障进行诊断和信号特征提取，还需通过其他方向做进一步的改进。

发明内容

(1)要解决的技术问题