[发明专利]一种航空发动机转子系统故障振动信号的去噪方法

摘要

本发明公开了一种航空发动机转子系统故障振动信号的去噪方法，该方法先采集航空发动机转子的碰摩振动信号，并将信号进行重复行滤波处理和最优阈值，再将粒子群算法通过迭代寻优所寻找到的次优解赋值给禁忌搜索算法中的初始解，然后计算适应度值，通过将初始值的邻域的不断搜索，同时灵活使用禁忌表和特赦准则，使得禁忌搜索算法能在一定程度上接受一些低质量的劣质解，防止算法陷入局部极值，增强算法的全局寻优能力，有效的解决了粒子群算法后期收速度放慢的问题，相比较而言，虽然混合粒子群算法相的收敛速度有一定的下降，但是能够有效的避免群体过早的陷入局部最优解，增大种群寻得全局最优解的可能性，总体上提高了算法的优化性能。

主权项

1.一种航空发动机转子系统故障振动信号的去噪方法，其特征在于，具体的步骤为：步骤一、通过电涡流位移传感器，按确定的时间间隔或采样频率测取一定数量的航空发动机转子在某个采样时段的碰摩振动信号；步骤二、将采集得到的航空发动机转子碰摩振动信号进行重复行滤波处理，并对重复行滤波处理后的信号进行多小波分解和重构，得到多小波系数，多小波分解和重构为由下式进行，式中，c_j,k＝(c_1,j,k,···,c_r,j,k)^T为r维的低频分量，d_j,k＝(d_1,j,k,···,d_r,j,k)^T为r维的高频分量，*为共轭转置运算；步骤三、设定混合粒子群优化算法中的常数因子，其中，设定学习因子c₁＝c₂＝1.4995，粒子群的数量m＝40，最大迭代次数T＝200，权重系数的最大值ω_max＝0.9，权重系数的最小值ω_min＝0.4，粒子的最大速度v_max＝0.2·λ_max，粒子群位置参数λ的最大值λ_max和最小值λ_min由下式进行，λ_j＝(2·log n_j)/q式中，n_j为多小波系数的长度，当q分别取0.1和1时，即可分别得到λ_max和λ_min；步骤四、通过基于GCV准则适应度的函数得到最优阈值，得出群体中每个粒子的适应度值，基于GCV准则适应度的函数为下式，式中，D和D_λ分别为含噪多小波系数和阈值λ规则处理后的多小波系数，N为多小波系数的总个数，N₀为多小波系数在阈值处理过程中被置为0的个数；步骤五、对每个粒子将其适应度值与其经历过的最好位置p_i的适应度值作比较，如果较好，则将x_i作为当前的最好位置p_i，之后，再将其适应度值与所有粒子经历过的最好位置的适应度值作比较；如果较好，则将其作为当前所有粒子的最好位置p_g；步骤六、通过步骤五获得个体极值和全局极值之后，再分别通过下式更新种群中粒子的速度和位置，v_ij(t+1)＝w·v_ij(t)+c₁r₁(t)[p_ij(t)‑x_ij(t)]+c₂r₂(t)[p_gj(t)‑x_ij(t)]x_ij(t+1)＝x_ij(t)+v_ij(t+1)式中，w表示惯性权重系数，c₁和c₂代表学习因子(也称作加速度常数)，i＝1，2，···，D，v_ij表示粒子的速度，v_ij∈[‑v_max，v_max]，v_max是常数；步骤七、判断步骤六的算法是否达到了最大迭代次数，如未达到则返回至步骤四继续运行，如已达到则输出最优值λ_best；步骤八、启用禁忌搜索算法，并设置最大迭代次数，且置空禁忌表，将混合粒子群优化算法生成的最优解λ_best作为禁忌搜索算法的初始解，并把初始解赋值给当前解；步骤九、利用当前解邻域函数产生若干邻域解，并且从中确定若干个候选解；步骤十、通过基于GCV准则适应度函数得到该算法的最优阈值，得出群体中每个粒子的适应度值，并以此判断当前候选解是否满足特赦准则，如果满足则用满足特赦规则的最佳候选解取代当前解，并将最佳候选解作为禁忌对象替换最早进入禁忌表的对象，同时用满足特赦规则的最优候选解替换当前最优解，然后直接跳转至步骤十二运行；如果不满足则接着向下执行步骤十一；基于GCV准则适应度的函数为下式，式中，D和D_λ分别为含噪多小波系数和阈值λ规则处理后的多小波系数，N为多小波系数的总个数，N₀为多小波系数在阈值处理过程中被置为0的个数；步骤十一、在候选解优于当前解而劣于当前最优解时，确定候选解的禁忌属性，若候选解不在禁忌表中，则将候选解赋值给下一次迭代的当前解，同时用其替换最早进入禁忌表的对象；在候选解劣于当前解且也劣于当前最优解时，用当前解重新产生新的邻域解；步骤十二、判断算法是否达到了结束条件，如果达到则输出最优解并终止算法；如果没有达到则跳转至步骤九继续运行；步骤十三、按照阈值规则对多小波系数进行处理，并对经过处理后的系数进行多小波重构，得到航空发动机转子系统故障振动的去噪信号。