1.基于数字孪生的航空发动机主轴承损伤检测与诊断方法,其特征在于,包括以下步骤:
s100,采用航空发动机主轴承数字孪生模型,对不同状态下主轴承的振动响应信号进行仿真计算,利用仿真信号中提取出来的特征向量构建航空发动机正常主轴承数字孪生数据库和航空发动机损伤主轴承数字孪生数据库;
s200,利用s100所得的航空发动机正常主轴承数字孪生数据库中的每个特征向量作为单个神经元,建立自组织映射神经网络;针对不同神经元所代表的不同特征向量,利用3σ原则设置报警阈值区间,最后利用从经降噪处理的主轴承实测振动信号中提取出来的特征向量与相同工况下的特征向量进行对比,若超出报警阈值区间,则主轴承产生损伤;
s300,利用s100所得的航空发动机损伤主轴承数字孪生数据库中特征向量的差异性,建立稀疏表示的针对主轴承不同损伤状态的联合字典;通过联合字典建立损伤状态和稀疏编码的一对一映射关系;利用残差最小原则,匹配出与从经降噪处理的主轴承实测振动信号中提取出来的特征向量残差最小的稀疏编码;最后通过稀疏编码与损伤状态的一对一映射关系,实现主轴承损伤的定位及尺寸估计。
2.根据权利要求1所述的基于数字孪生的航空发动机主轴承损伤检测与诊断方法,其特征在于,s100航空发动机主轴承数字孪生数据库建立包括以下步骤:
s101,建立航空发动机主轴承数字孪生模型;
s102,利用s101所得航空发动机数字孪生模型对不同状态下的主轴承振动响应信号进行预测,从所述预测结果中提取所述主轴承振动响应信号的特征向量;
s103,利用s102提取出来的特征向量,建立航空发动机正常主轴承数字孪生数据库和航空发动机损伤主轴承数字孪生数据库,为损伤检测与定量诊断提供数据支持。
3.根据权利要求2所述的基于数字孪生的航空发动机主轴承损伤检测与诊断方法,其特征在于,s101建立航空发动机主轴承数字孪生模型具体包括以下步骤:
s1011,对航空发动机主轴承的几何结构参数进行测量,对材料特性参数进行查询,对初始工况/环境参数进行感知;
s1012,依据s1011中测量、查询和感知到的参数以及物理作用关系,建立航空发动机主轴承的数字孪生子模型;
s1013,对不同子模型之间的协调关系和接口配合进行考虑,利用软件建立含有多个子模型的多物理场集成仿真平台,将子模型融合为统一物理模型;
s1014,对航空发动机主轴承在实际运行过程中的实时振动信号和工况/环境参数进行监测;
s1015,将工况/环境参数实时输入到统一物理模型中;
s1016,利用s1013所得统一物理模型对航空发动机主轴承的实时振动信号进行仿真计算;
s1017,对s1014所得实测的振动信号进行降噪处理;
s1018,将s1016中统一物理模型的仿真计算结果与s1017中经过降噪处理的实测结果进行对比,计算二者的偏差;
s1019,根据s1018中计算出的偏差值,利用扩展卡尔曼滤波算法对统一物理模型的内部参数进行调整和修正,从而获得能够实时同步的航空发动机主轴承数字孪生模型。
4.根据权利要求3所述的基于数字孪生的航空发动机主轴承损伤检测与诊断方法,其特征在于,s1011中,所述航空发动机主轴承的几何结构参数可以从该航空发动机主轴承的图纸文件中获取;所述材料特性至少包括航空发动机主轴承所用材料的牌号及其力学性能;所述工况/环境参数包括航空发动机主轴承的工作转速、温度及载荷。
5.根据权利要求3所述的基于数字孪生的航空发动机主轴承损伤检测与诊断方法,其特征在于,s1012中,所述物理作用关系至少包括航空发动机主轴承滚动体/保持架/滚道间的接触力和力矩、热与力的耦合作用关系以及作用力和应变之间的关系;所述数字孪生子模型至少包括结构动力学模型、热力耦合模型、应力分析模型以及损伤演化模型。
6.根据权利要求3所述的基于数字孪生的航空发动机主轴承损伤检测与诊断方法,其特征在于,s1013中,建立统一物理模型可以采用但不限于采用如下方法:利用isight软件调用ansys或abaqus建立主轴承的热力耦合模型和应力分析模型,计算航空发动机主轴承的应力场分布,将计算出的应力场分布结果带入镶嵌有损伤演化模型的结构动力学模型中并进行求解,最终仿真计算航空发动机主轴承的振动信号。
7.根据权利要求1所述的基于数字孪生的航空发动机主轴承损伤检测与诊断方法,其特征在于,s200,航空发动机主轴承损伤检测包括以下步骤:
s201,以s103所得正常航空发动机主轴承数字孪生数据库为基础建立自组织映射神经网络,所述正常航空发动机主轴承数字孪生数据库中的每个特征向量作为自组织映射神经网络中的单个独立神经元,所述自组织神经网络将作为航空发动机主轴承损伤检测的基础;
s202,针对自组织映射神经网络中不同神经元代表的不同特征向量,利用3σ原则设置特征向量的报警阈值区间;
s203,对航空发动机主轴承的实测信号进行降噪处理后提取特征向量,将所述特征向量与自组织映射神经网络中相同工况下的特征向量进行对比,若超出s202所述特征向量的报警阈值区间,则判定为主轴承出现损伤。
8.根据权利要求1所述的基于数字孪生的航空发动机主轴承损伤检测与诊断方法,其特征在于,s300,航空发动机主轴承损伤定量诊断包括以下步骤:
s301,利用s103所得损伤航空发动机主轴承数字孪生数据库,通过稀疏编码方法,分析不同损伤状态下的航空发动机主轴承在特征向量上的差异性;
s302,利用s301所得差异性,构造通过稀疏表示的针对损伤航空发动机主轴承不同损伤状态的联合字典,建立稀疏编码与损伤状态的一对一映射关系;
s303,对航空发动机主轴承实测振动信号进行降噪处理后提取特征向量,利用残差最小原则以及s302建立的联合字典,匹配出与从经降噪处理的航空发动机主轴承实测振动信号中提取出来的特征向量残差最小的稀疏编码;
s304,采用s303所得稀疏编码,根据s302所得的稀疏编码与损伤状态的一对一映射关系,即可实现航空发动机主轴承损伤的定位及尺寸估计。
9.根据权利要求1所述的基于数字孪生的航空发动机主轴承损伤检测与诊断方法,其特征在于,s102中所述不同状态包括航空发动机主轴承正常状态、不同损伤状态和不同工况状态;正常状态即为未损伤状态;不同损伤状态以损伤模式、损伤数量、损伤尺寸以及损伤位置的不同进行区分;损伤模式包括疲劳、磨损、腐蚀、点蚀、塑性变形、断裂和开裂;损伤数量包括单点损伤和多点损伤;损伤位置包括内圈、外圈、滚动体和保持架;所述工况状态采用航空发动机主轴承的工作转速、温度以及载荷描述。
10.根据权利要求1所述的基于数字孪生的航空发动机主轴承损伤检测与诊断方法,其特征在于,s303中所述的残差最小原则计算公式为:
式中,t为实测信号特征向量;d为联合字典;yi为第i种损伤状态的稀疏编码;i=1,2,…,k,k为损伤状态的个数。