[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

说明书

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，涉及一种无人机航空发动机状态感知技术，为了解决速度传感器很难检测航空发动机早期故障以及单一的声发射技术无法满足综合的对航空发动机状态进行评估的问题。本发明通过数据采集步骤后，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；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；故障特征提取步骤为利用自适应VMD算法对振动数据和声发射数据进行故障提取，得到本征模态分量IMFs；再利用分析去除相关性程度低的IMF分量；计算剩余IMFs的能量熵；故障特征降维，量化分析，进而实现综合评估。有益效果为感知能力增强，监测的故障信号频率更广，抗噪能力更强。

技术领域

本发明涉及一种无人机航空发动机状态感知技术。

背景技术

无人机是我国近年来重点发展的高科技装备，是航空技术、电子技术等高新技术的综合系统。随着控制技术、计算技术和通讯技术的迅猛发展，无人机已经大量应用于军事及民用领域；无人机是一个非常复杂的系统，航空发动机作为无人机的动力系统能否健康、稳定的工作直接影响无人机的飞行安全；随着无人机的飞行性能的提高，航空发动机的结构越来越复杂，工作条件越来越恶劣，导致发动机的故障率不断提高。据统计中发现，发动机性能故障约占总故障的10％-20％；发动机结构强度故障约占总故障的60％-70％；而结构强度故障主要体现在关键传动部件齿轮、轴承等的磨损断裂。

目前，航空发动机的主流监测方法是通过加速度传感器采集分析振动信号获取状态信息，但是由于航空发动机在运行过程中会产生很大的噪声信号，很容易将有用的振动信号淹没在噪声当中；另外，只有在齿轮等传动部件故障程度比较深的时候才会被振动传感器采集到，在故障发生早期很难被检测到；振动信号感知的频率一般在20kHz，而当材料发生内部破坏断裂、裂纹扩展等早期故障信号时一般是几十kHz～几MHz。因此，目前航空发动机的故障监测技术存在监测能力不足的问题。而声发射技术是通过采集材料内部产生塑性变形或裂纹萌生、扩展等早期破坏时，伴随能量释放而产生瞬态高频应力波信号来监测对象状态；声发射技术具有对材料的动态缺陷及其位置非常敏感、很好的抗噪性等特点，所以能够及时发现材料内部早期故障萌生、扩展的过程；但是单一的声发射技术无法满足综合的对航空发动机状态进行评估。

发明内容

本发明的目的是为了解决速度传感器很难检测航空发动机早期故障以及单一的声发射技术无法满足综合的对航空发动机状态进行评估的问题，提出了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。

本发明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。

本发明的有益效果是有效的对航空发动机故障进行监测，综合的对航空发动机的状态进行评估；具体的性能相比于之前的单一振动信号分析，增加采集声发射数据的步骤，并根据该声发射数据监测航空发动机的早期故障信号；该智能监测方法感知能力增强，可监测的故障信号频率更广，可从1Hz～1MHz，甚至更高；系统的抗噪能力更强。

附图说明