[发明专利]一种基于单传感器的航空发动机早期损伤声发射智能识别方法

说明书

一种基于单传感器的航空发动机早期损伤声发射智能识别方法属于航空发动机早期损伤智能识别领域。首先，利用单传感器获取航空发动机早期损伤下的声发射原始信号。其次，利用时频分析将信号转换成二维时频特征图像。然后，搭建所述深度卷积神经网络，并对所述声发射特征图像按照所述深度卷积神经网络的输入要求进行预处理。接着，对所述预处理图像进行学习，得到所述声发射特征图像与损伤类别相对应的训练模型。最后，将所述测试集信号输入到训练后的所述深度卷积神经网络模型中，得到所述航空发动机早期损伤智能识别的结果。本发明可提高声发射诊断的效率，对追求少测点轻量化目标、保障发动机正常可靠运行、减少重大事故的发生具有重要的意义。

技术领域

本发明属于航空发动机早期损伤声发射智能识别领域，尤其涉及一种基于单传感器的航空发动机早期损伤声发射智能识别方法。

背景技术

航空发动机作为航空装备的“心脏”，其性能决定着航空器的飞行速度、机动性、可靠性及经济性。由于结构复杂，并且长期工作在恶劣的环境中，航空发动机不可避免地会发生各种故障。如果在故障早期无法感知和评估诸如损伤类型、程度及位置等故障信息，就可能导致飞机发生灾难性事故，造成严重地人员伤亡。因此，提高发动机的故障监测和预警能力，对保障航空器安全可靠运行具有重要的现实意义。

在航空发动机故障(例如裂纹、撞击、碰摩和结构变形等)的早期阶段，微弱的早期损伤特征不会使得航空发动机表现出明显的异常状态。此时常规的状态监测方法(包括气路分析、滑油检测技术、孔探技术及振动监测技术等等)无法通过实时在线监测及时地检测到早期损伤。然而，基于声发射的航空发动机在线结构健康监测方法在处理此类问题中具有显著优势。当材料发生塑性变形或裂纹形成等不可逆变化时，应变能迅速释放，产生瞬态弹性波，这种现象称为声发射。声发射技术与其他无损检测方法相比，具有动态、实时及整体性等优势，已被广泛应用于压力容器、复合材料、海洋平台以及航空航天等领域，可实现材料、结构早期微弱故障的动态监测与完整性评价。

然而，从故障源发出的声发射信号大都是多模态、多频率的强非平稳信号，这无疑增加了信号处理和特征提取的难度。同时，由于航空发动机复杂的结构和紧凑的空间，声发射传感器无法安装在靠近故障源的发动机内部，只有温度较低的航空发动机外表面才适合布置传感器。因此，信号在传播过程中除扩散、散射以及粘滞等基本衰减机制外，还存在模态转换及波形混叠等畸变现象，造成故障与接收的信号之间的映射关系错综复杂，从而增加了损伤识别的难度。通常用于克服真实结构中声发射信号复杂传播特性的一种方法是增加传感器的数量。但是这种方法无疑会显著增加声发射系统的复杂性和部署成本，而且航空发动机上没有足够的空间可供布置多个传感器。因此，利用少传感器实现基于声发射的航空发动机早期损伤智能识别具有重要的实际意义。

发明内容

为了解决上述问题，本发明提出了一种基于单传感器的航空发动机早期损伤声发射智能识别方法，主要思想是使用深度学习从收集的原始声发射数据中学习声发射信号的时频域特性，以达到使用一个传感器实现故障智能识别的目标。首先，利用单传感器获取航空发动机早期损伤下的声发射原始信号。其次，利用时频分析将由传感器捕获的声发射信号转换成二维时频特征图像。然后，搭建利用单传感器声发射技术进行早期损伤智能识别的所述深度卷积神经网络，并对所述航空发动机声发射特征图像进行预处理，得到符合所述深度卷积神经网络输入要求的预处理图像。接着，使用初始化后的所述深度卷积神经网络对所述预处理图像进行学习，得到所述航空发动机声发射特征图像与损伤类别相对应的训练模型。最后，将所述测试集信号输入到训练后的所述深度卷积神经网络模型中，得到所述航空发动机早期损伤智能识别的结果。本发明通过上述技术方案，能够实现基于单传感器的航空发动机早期损伤声发射智能识别，可提高声发射诊断的效率，降低人为主观因素的影响，对追求少测点轻量化目标、保障发动机正常可靠运行、制定科学合理的设备维修保养计划、减少重大事故的发生具有重要的意义。

拟解决少测点下航空发动机早期损伤的实时在线监测与智能识别。

一种基于单传感器的航空发动机早期损伤声发射智能识别方法，其特征在于，包括如下步骤：