飞机发动机关键系统智能故障诊断方法

飞机发动机是一个非常复杂的大系统,由于其结构复杂,工作环境恶劣,对其关键系统的故障进行准确诊断始终是困扰业界的技术瓶颈之一。提出了采用EMD小波阈值降噪与主元分析相结合的方法,对飞机发动机气路系统故障诊断进行了深入研究。针对某型真实飞机发动机进行测试试验采集的气路多参量数据,首先采用经验模态分解(Empirical Mode Decomposition,EMD)对气路系统各参量信号进行EMD分解,然后采用软阈值函数对其进行降噪,并进行信号重构,从而可得到飞机发动机气路工作状态有效数据。在此基础上,设计了飞机发动机气路系统主元分析故障诊断模型,并结合预处理得到的飞机发动机气路有效数据,运用所设计的主元分析故障诊断模型对飞机发动机进行故障诊断技术研究。研究结果表明,所提出的方法能够很好地诊断出飞机发动机气路系统实际运行时所出现的故障,具有重要的实际应用价值,并有广泛的应用前景。     

混沌蝙蝠算法UAV网络控制系统故障诊断策略

针对总线条件下具有双通道多包传输的短时变时延无人机(Unmanned Aerial Vehicle,UAV)发动机控制系统,提出一种基于改进蝙蝠优化算法(Bat Algorithm,BA)的发动机故障检测算法,快速变化的延迟被认为是系统不确定性的一种。残差信号的传递函数与噪声和故障信号的传递函数之比用作目标函数。通过改进的Bat算法对其进行优化,以获得最佳的观察增益矩阵,使得该故障观测器系统不仅能够抑制噪声,而且对提升对故障敏感程度。最后将该方法在网络控制系统半物理平台上进行仿真,仿真结果说明所提出的方法能够同时抑制噪声信号和放大故障信号,从而提高了故障诊断的正确率,降低了虚警率。     

一种发动机万有特性曲面拟合的新方法

通过分析发动机实测试验数据,提出了燃油消耗率同转速和扭矩之间存在类似幂指函数的关系,运用多元回归的方法对发动机的万有特性曲面进行了拟合,对拟合结果用数理统计的方法进行了检验,最后指出对发动机万有特性曲面的拟合采用分段函数进行数值计算,将得到更为精确的结果。     

独立分量分析在液体火箭发动机故障检测中的应用

针对液体火箭发动机试车中,因噪声干扰、不同源信号之间的混叠而造成的信号信噪比低、信号分析和特征提取难度大的问题,提出采用独立分量分析(ICA)法对液体火箭发动机试车信号进行分离,以提高信号的信噪比,并能实时反映各子系统工作过程,为数据分析、特征提取和故障检测与诊断提供可靠的信号。通过对某型液体火箭发动机热试车压强信号进行实例分析,验证了该方法的有效性。     

某坦克发动机调速性能的模拟计算

为了计算某坦克发动机的调速性能,发展了一个柴油机调速系统的模拟模型.将发动机任一工况的调速器齿杆位置与油门开度和发动机转速联系起来,建立了调速器静力学和动力学方程;调速器动力学方程用2个一阶微分方程表示,引入了连续性函数sigmoid函数代替非连续性函数sign函数,使调速器动力学方程能够方便地应用数值积分方法求解,并且避免了计算结果的小范围振荡.对该坦克发动机调速系统的稳态与动态工况和调速器稳定系数、不均匀度、稳定调速率、瞬时调速率、过渡时间等参数进行了模拟计算,显示这种方法可以用于坦克发动机调速性能的研究.     

基于自适应滤波的坦克发动机振动信号的信噪分离方法

发动机表面振动是一种多振源、激励复杂的振动形式,在发动机测试时目标振动信号受到很强的噪声干扰,必须通过有效方法进行信噪分离.介绍了一种利用人工神经网络进行自适应滤波的信噪分离方法,根据自适应噪声抵消原理建立了ADALINE自适应神经滤波器模型,并使用该模型滤除坦克发动机汽缸盖振动信号中的机体振动噪声,提高了信噪比,为汽缸盖振动信号的进一步分析处理奠定了基础.     

基于ELM的航空发动机故障诊断方法

以航空发动机主燃油泵为具体研究对象,提出了一种基于基于小波包能量比与极限学习机(Extreme Learning Machine,ELM)的故障诊断方法。对于某型真实航空发动机,采用振动传感器感知发动机附件机匣的振动信号,对获取的发动机附件机匣的振动信号采用DB3小波包对其进行3层小波包分解,求出第3层各频带信号的能量作为原始信号的特征,构建特征向量。用求得的特征向量建立基于ELM的故障诊断模型,对航空发动机主燃油泵进行故障诊断技术研究。为表明该方法的有效性,还设计了基于BP神经网络的故障诊断模型,并对所构建的特征向量进行了诊断。试验结果表明,基于ELM故障诊断方法可以有效提高故障诊断的速度及准确率,具有很好的工程应用前景。     

基于dSPACE的发动机信号实时采集系统开发

为了配合高功率密度柴油机的研制,对某重型车辆发动机冷却系统进行智能化改进,需通过串口方式从实车发动机控制单元中读取发动机工作状态参数,以dSPACE为基础开发了发动机信号实时采集系统,系统数据传输速度快,可靠性高,避免了繁琐的单片机编程,提高了工作效率。     

通用脉冲雷达信号仿真软件设计与实现

基于雷达信号的基本理论,分析整理了雷达信号的时域表示、频域表示以及模糊函数;归纳总结了单载频矩形脉冲信号、线性调频矩形脉冲信号以及伪随机二相编码信号等3种典型的雷达脉冲信号,对它们的复包络、时域描述、频谱函数、模糊函数及其特点进行了详尽研究和分析,建立了3种雷达脉冲信号的完整的数学模型;基于Matlab仿真软件对3种典型的雷达脉冲信号进行了仿真实现,设计并编写了通用脉冲雷达信号仿真软件.该仿真软件能够对雷达脉冲信号的各种参数、信号采样频率和采样时间进行设置,软件按照设置的参数进行信号仿真,并能给出信号的时域波形、频谱及其三维模糊函数图,这对于雷达信号形式的教学和科研具有积极的推动作用,学员能够直观形象地学习和理解各种雷达脉冲信号,同时对于相关的科研工作,能够提供所需的各种雷达信号数据,为雷达信号处理相关算法研究提供数据支撑.     

基于改进型小波阈值的磁记忆信号去噪研究

磁记忆检测信号易被外界噪声污染,使缺陷信号的可检测性受到极大影响。为消除噪声信号的不利影响,通过优化传统算法进行了磁记忆信号的消噪。硬阈值去噪得到的估计小波系数值连续性差,并会引起重构信号的振荡;而软阈值去噪会与原来的小波系数存在恒定偏差。在软、硬阈值函数的基础上,提出了一种改进型阈值函数,该阈值函数在一定程度上克服了传统方法的不足之处。仿真试验结果表明了改进型阈值函数对去除磁记忆信号噪声的适用性。     

发动机配气机构振动信号时域分析

对康明斯6BT5.9型柴油发动机配气机构产生的振动信号进行了时域分析,采用振动加速度峰峰值作为判定发动机配气机构技术状态的特征量,并采用多通道信息融合技术实现配气机构的故障诊断。     

坦克柴油机振动检测时提高振动信号信噪比的方法

研究了柴油机振动信号的时域同步平均方法,针对柴油机振动信号的循环波动性特点,提出了按曲轴转角进行角域同步平均的方法,减小循环波动性对信号分析的影响。利用多抽样率分析方法消除了同步平均时柴油机转速波动的影响。通过对坦克柴油机汽缸盖振动信号的处理结果表明,该方法可有效提高信噪比。     

基于缸盖振动的燃油喷射系统故障诊断

对V型12缸柴油机缸盖振动燃烧段信号与缸内压力进行了时域对比,分析了失火时的缸盖振动响应,研究了供油规律随转速变化情况。分析表明缸盖振动中包含喷油器针阀落座的振动响应,研究了基于短时能量动态双阈值端点检测提取针阀落座响应时间特征的方法,利用振动信号的峰值加速度来表征针阀落座的强度。在不同工况及不同状态下提取了针阀落座时间及强度的振动特征,结果表明：振动特征能够有效反映针阀的工作情况,可以用于燃油喷射系统故障的诊断。     

基于EMD、遗传算法及神经网络的柴油机故障诊断

研究了将经验模式分解(Empirical Mode Decom position,EMD)、遗传算法及BP神经网络相结合对柴油机振动信号进行故障诊断的方法。首先运用经验模式分解方法对柴油机缸盖表面振动信号进行分解并提取特征参数;然后利用遗传算法对得到的特征参数进行选择,找到对于故障诊断最为敏感的参数;最后建立了BP神经网络模型对柴油机典型故障进行诊断。通过对某型柴油机的验证,表明该方法能够准确识别柴油机供油系统的典型故障。     

基于振动分析的坦克柴油机汽缸燃烧压力检测方法

针对在坦克实车上不易直接测量柴油机汽缸压力的问题,提出了一种通过测量柴油机汽缸盖振动信号来间接检测汽缸燃烧压力的方法。在某型坦克柴油机上同步测量了汽缸燃烧压力、汽缸盖振动信号和变速箱振动信号,利用自适应滤波方法滤除了汽缸盖振动信号中包含的变速箱振动信号形成的噪声干扰,利用配气相位从时间域分离出由气体燃烧压力激发的振动信号,利用Hilbert变换和小波分解方法分别提取了振动信号和压力信号的特征波形。建立了RBF神经网络模型,以汽缸盖振动信号的包络作为网络输入,实现了汽缸燃烧压力的间接检测。     

基于振动烈度的柴油机供油系统断油故障检测方法

研究了振动烈度的相关方法和理论,以WD615柴油机供油系断油故障诊断为例,通过各缸断油时振动烈度值与正常状态下振动烈度值的比较分析,验证了利用振动烈度进行发动机供油系统故障诊断方法的正确性。     

基于小波分解的柴油机振动信号特征提取方法

柴油机振动是一种多振源的复杂振动形式,其机体表面振动是内部各种激振力共同作用的综合反映。在柴油机使用过程中技术状态的改变将导致激振力发生不同的变化,因此测量机体激振信号有利于对柴油机技术状态进行监测。通过测量不同技术状态的柴油机机体振动信号,利用小波包分析的方法,将柴油机振动信号按其特征频率进行了小波分解和重构,提取了振动信号特征。分析结果表明,此方法能够提高信噪比,提取的振动信号特征能够反映柴油机技术状态的变化。     

柴油机缸盖振动信号关联维数的影响因素分析

柴油机缸盖振动信号的关联维数是柴油机健康状况评估的重要参数。在实际工程应用中,关联维数的计算面临着重复性差的问题,通过分析振动信号的截取方法、信号成分以及工况等因素对关联维数计算的影响,较好地解决了关联维数计算重复性差的问题。     

模糊识别和随机森林算法在柴油机振动信号状态识别中的应用

针对模糊识别算法中,样本特征向量中各参量(分量)对状态分类的贡献权重难以确定的问题,提出了利用随机森林算法对特征参量的重要度评估结果作为特征权重的方法。通过对柴油机台架试验振动信号的跟踪分析,获得了柴油机在磨合期、100摩托小时、200摩托小时、300摩托小时及400摩托小时5种不同使用期(典型状态)的75个振动信号样本,然后计算出各类样本在幅域、时域和频域的特征参量,利用随机森林算法进行特征选择,确定4个重要特征参量及其权重,用统计方法得出其隶属度函数,最后根据评价向量对样本进行识别,识别准确率达到94%以上。     

柴油机间歇性排气噪声自适应有源前馈控制的DSP仿真

分析了柴油机排气噪声的特征,利用自适应有源前馈系统对噪声进行控制;对间歇性噪声的控制进行了建模分析;对柴油机的排气噪声进行了有源消声的初步设计;参考柴油机实际工况,利用高速信号处理芯片TMS320F2812进行了编程及调试;通过实测数据和DSP仿真实验验证了所采用方法的有效性。