一种飞机发动机转子振动信号故障状态识别的方法
【技术领域】
[0001] 本发明，属于机电系统故障诊断和状态监测技术领域，具体为一种飞机发动机转 子振动信号故障状态识别的方法。
【背景技术】
[0002] 飞机运行于复杂环境中，对系统可靠性有较高的要求，飞机系统的状态监控、 诊断和预测是确保飞机安全的重要手段。例如飞机系统需要监控发动机性能（如专 利：CN103370667A)，起落架状态（如专利：CN103963986)、升降舵操控性（如专利：CN 202987498)以及各种电子和机电设备（如专利：CN102700718A)是否正常工作等各系统 的状态。这些系统的整体状态受到下级子系统的影响，例如，防滑刹车控制盒（如专利：CN 104049630A)、飞机线缆（如专利：103558513A)和发动机反推（如专利：CN103979114A)的 状态监控。这些状态信息输送到飞机的ACMS(AircraftConditionMonitoringSystem， ACMS)系统中，实现对各系统和子系统状态进行监控，在发生故障情况下采取相应的报警和 隔离措施。飞机各系统的状态监控和故障诊断已经成为飞行安全和基于状态的维修必备的 手段。
[0003] 航空发动机是现代飞机的"心脏"，它工作在高压、高温和高负载的恶劣环境下，发 动机工作状态的好坏直接影响飞机的安全性和可靠性。现代航空发动机设计追求大推力、 高功质比，使得发动机体积减小、转速升高；同时为保证压气机效率，转子和定子的间隙几 乎小到了极致。在工作过程中，一旦转子涡动量大于转定子间隙，转子叶片和定子壳体间就 会出现碰磨，轻则影响转子短时间内工作稳定性，重则会使发动机损坏失效。
[0004] 因此，在发动机地面试验中常以振动信号监测为手段观察其工作状态。当碰磨状 况严重或较为明显时，不论从响应信号幅值还是从零件外观都可以容易的判断出故障状 态。但发生轻微碰磨时，既难于从声音判断，也不易靠观察零件外观识别。虽然目前有提取 碰磨故障特征，进行故障状态识别的方法，但是由于主客观方面的原因，提取的大量诊断特 征中存在很多不相关或冗余信息，导致了数据的内部特征逐渐增多，表现为故障数据状态 参数分布空间的复杂化、数据样本的重复冗余和状态参数在维数上的高度冗余。高维数据 在处理过程中会产生较大的计算消耗，同时对于这些多属性共同决定的故障问题，很难直 观地分析某些主要属性对于系统的影响，从而为找到故障的本质变化和规律，以及在计算 机上可视化分析这些数据的结构、关联和分布情况带来了很大困难。
[0005] 综上所述，飞机发动机转子振动信号的一些关键特征对故障比较敏感，而且相互 独立，能够提供互补信息，提高诊断精度，应该充分利用；一些冗余或者不相关的特征对故 障不敏感，没有利用价值，会增加诊断工作量和成本，应该从中剔除。因此，现下所需要的就 是，能够自动选取飞机发动机转子振动信号关键特征，观察其工作状态，进行故障状态识别 的方法。
【发明内容】
[0006] 为了解决现有飞机发动机转子振动信号故障状态识别中，故障特征中关键特征的 选取问题，本发明提出了一种飞机发动机转子振动信号故障状态识别的方法。本发明的技 术方案为：
[0007] 所述一种飞机发动机转子振动信号故障状态识别的方法，其特征在于：包括以下 步骤：
[0008] 步骤1 :采集飞机发动机转子的带有故障标签的原始振动信号；
[0009] 步骤2 :对采集到的带有故障标签的原始振动信号，提取11种特征：均值、方差、峭 度、峰值指标、波形指数、脉冲指标、裕度指标、频率峰值比、频域均方根、小波包分解后第三 层中的第一个和第二个节点能量，得到信号矩阵
【主权项】
1. 一种飞机发动机转子振动信号故障状态识别的方法，其特征在于：包括以下步骤： 步骤1:采集飞机发动机转子的带有故障标签的原始振动信号； 步骤2 :对采集到的带有故障标签的原始振动信号，提取11种特征：均值、方差、峭度、 峰值指标、波形指数、脉冲指标、裕度指标、频率峰值比、频域均方根、小波包分解后第三层 中的第一个和第二个节点能量，得到信号矩阵
其中，信号矩阵维数变量为d，d= 1，2,. . .，D，D= 11表示维数大小，t= 1，2,. . .，T， T表示信号的个数； 步骤3 :将信号矩阵转置使信号矩阵转换为特征矩阵X^X。=XT; 步骤4 :将特征作为聚类的数据点，进行特征提取： 步骤4. 1 :构造马氏距离矩阵SM:
父1，父2，...，乂11是特征矩阵乂。中每一列的列向量，4 1，^2，...，1111是特征矩阵乂。中每一 列的均值，1T为TX1的矩阵且矩阵里的每个元素均为1，E为期望，median表示取中位数； 步骤4. 2 :设置最大循环次数N; 步骤4. 3:初始化a(i，j) =0,利用以下公式更新r(i，j):r(i,/) = ,v(z, /) - max{a(i, u) +,v(/',u)}
兵甲，aU，农不i选祥J作艿兵中心点的累积证据，r(i,j)表示j作为i中心点的 累积证据，apSa(i，j)上次迭代的值，<匕为\的当前迭代的值，ap+1S 的当前迭代更 新后的值，相应的&为1'(1，」）上次迭代的值，？；^为4的当前迭代的值， 1^+1为<=的当前 迭代更新后的值，A是收敛系数； 步骤4. 4 :利用以下公式更新a(i，j)
步骤4. 5 :确定特征i的聚类中心，根据j=argmaXj{a(i,j)+r(i,j)}(i= 1，2, ? ? ?，D) 来确定每个特征的归属类以及各类的中心：在停止迭代后，对于特征i，若i辛j，表明i的 聚类中心就是j;若i=j时，表明i本身是聚类中心； 步骤4. 6 :若聚类中心连续若干次迭代不发生改变，或迭代次数达到指定次数N，则进 行步骤5,否则执行步骤4. 3; 步骤5 :将带有故障标签的聚类结果利用分类器中进行训练，得到训练好的分类器； 步骤6 :将新采集到未知结果的数据，按照步骤2?步骤4进行特征提取，再用步骤5训 练好的分类器进行分类，产生分类结果。
【专利摘要】本发明提出一种飞机发动机转子振动信号故障状态识别的方法，主要包括以下步骤：首先提取转子振动信号的11种时域、频域和时频域特征；然后通过聚类，选择合适的特征；接下来利用聚类结果训练分类器；最后将新数据代入到训练好的分类器，产生分类结果。本发明解决了现有飞机发动机转子故障状态识别时，由于主客观方面的原因，提取的大量诊断特征中存在很多不相关或冗余信息的问题。本发明采用聚类和分类器相结合的飞机发动机转子振动信号故障分类的方法，提出一种飞机发动机转子振动信号故障状态识别的方法框架，能够自动识别出对故障特征敏感的关键特征，剔除对故障特征不敏感的相关特征，能够有效地提升飞机发动机转子振动信号故障状态识别性能。
【IPC分类】G01M13-00
【公开号】CN104614166
【申请号】CN201510046044
【发明人】刘贞报, 李洋, 布树辉, 张超
【申请人】西北工业大学
【公开日】2015年5月13日
【申请日】2015年1月29日