[发明专利]基于加速度与声发射感知技术相结合的航空发动机智能监测方法

权利要求书

1.基于加速度与声发射感知技术相结合的航空发动机智能监测方法，其特征在于，该智能监测方法通过数据采集步骤后，对数据采集步骤得到的数据再通过故障特征提取步骤，实现对航空发动机状态的综合评估；

所述数据采集步骤包括采集振动数据的步骤和采集声发射数据的步骤；

所述故障特征提取步骤通过以下步骤实现的：

步骤一、利用自适应VMD算法分别对振动数据和声发射数据进行故障提取，分别得到各自本征模态分量IMFs；

步骤二、再利用分析去除各自相关性程度低的IMF分量；

步骤三、分别计算振动数据和声发射数据的剩余IMFs的能量熵；

步骤四、利用步骤三得到的能量熵进行故障特征降维，量化分析，进而实现对航空发动机状态的综合评估。

2.根据权利要求1所述的基于加速度与声发射感知技术相结合的航空发动机智能监测方法，其特征在于，步骤一中的自适应VMD算法通过信号模态分解构造最终获取的固有模态函数参数模型，从而最终完成对于带有约束的变分问题求解，即对振动数据和声发射数据同时进行故障提取，得到本征模态分量IMFs；

所述构造最终获取的固有模态函数参数模型的过程为：首先假设待分析信号f中包含的固有模态函数个数为k个，并且，每个固有模态函数带宽都是有限的，符合实际需求，其中，待分析信号f为振动数据和声发射数据；在对每个固有模态函数进行带宽估计之后，把k个固有模态函数的估计带宽之和最小作为目标函数加入求解条件；

因此，只要通过对每个模态的中心频率和带宽参数的更新计算，得到最优估计情况下的模态函数u_k(t)，其中，t为时间刻度，作为原始信号中的固有模态函数；

具体数学表达式如下：

其中，{u_k}为待分析信号f的K个模态分量，{ω_k}为待分析信号f的K个频率中心，为梯度，σ(t)为单位脉冲函数；

引入Lagrange乘子算子λ(t)和二次惩罚因子α，将带约束的变分问题转换为非约束的变分问题，为问题的进一步求解创造了条件；具体构造转化得到的增广Lagrange函数如下公式所示：

针对上式已转化完成的非约束变分问题，用交替方向乘数法来进行求解；并通过对u_k、ω_k以及λ参数进行不断的更新，逐步逼近最优解，从而最终完成对于带有约束的变分问题求解。

3.根据权利要求2所述的基于加速度与声发射感知技术相结合的航空发动机智能监测方法，其特征在于，具体的自适应VMD算法信号模态分解的过程如下：

步骤一一、对λ¹和n进行初始化，其中，为待分析信号f的k个模态分量迭代的初始值，为待分析信号f的k个频率中心迭代次数的初始值，λ¹为拉式算子的初始值，n为迭代次数；

步骤一二、对模态u_k和中心频率ω_k进行迭代更新计算；具体的更新公式如公式(1-3)和公式(1-4)：

其中，ω为待分析信号f的的频率；

步骤一三、针对ω>0，根据公式(1-5)更新拉式算子λ；

具体的公式(1-5)为：

步骤一四、判断模态u_k和中心频率ω_k是否满足迭代终止条件，如果模态u_k和中心频率ω_k不满足迭代终止条件返回执行步骤一二，如果模态u_k和中心频率ω_k满足迭代终止条件，迭代停止，得到本征模态分量IMFs；

具体的迭代终止条件为：

其中，ε为实际模态函数估计值与最合理的固有模态函数估计值之间的最小误差。

4.根据权利要求2所述的基于加速度与声发射感知技术相结合的航空发动机智能监测方法，其特征在于，采集振动数据的步骤通过2路加速度传感器实现的。

5.根据权利要求2所述的基于加速度与声发射感知技术相结合的航空发动机智能监测方法，其特征在于，采集声发射数据的步骤通过2路声发射传感器实现的。