航空发动机典型耦合碰摩故障特征识别方法研究

发布时间：2017-10-23 10:38

  本文关键词：航空发动机典型耦合碰摩故障特征识别方法研究

  更多相关文章： 故障诊断 特征识别 耦合碰摩 BP神经网络 BP_Adaboost模型

【摘要】：碰摩是指旋转机械在转动过程中由于间隙不足造成的旋转件与静止件之间连续间歇的接触行为。航空发动机为提高其性能和效率,转子和静子间径向间隙尽越来越小,使得转静子之间的碰摩故障时有发生。由于碰摩故障的发生是其它故障的二次效应,故碰摩故障机理和碰摩诱发的系统响应十分复杂,而且,一旦碰摩故障发生,没有被检测到,将会给机械带来很严重的后果。因此,针对耦合碰摩故障的研究具有重要的意义。本文基于转子实验台,研究了单跨转子-轴承系统上的耦合碰摩故障,并对其进行了简单的机理分析,提出了基于EMD的特征提取方法和BP神经网络、BP_Adaboost的特征识别方法。故障诊断的关键是要保证稳定的故障识别率,避免误报,故障诊断的重点在于能提取出关键的故障特征信号和有效的分类识别方法。EMD分析方法是基于数据时域局部特征的,它可把复杂的数据分解成有限的、通常是少量的几个内蕴模式函数分量,这种方法拥有自适应强、工作效率高等优点,而且能很直观的展现出重叠复杂信号的内蕴模式,使得其在处理非线性的时变问题时显得尤其有效。本文详细论述了EMD分解理论,并采用EMD分解提取耦合碰摩震动信号的故障特征。故障诊断的分类识别方法上选择了BP神经网络和构造的BP_Adaboost分类器两种识别方法,分别详细介绍了两种方法的基本理论和特点。在对碰摩故障诊断分析的基础上,选取不同频段上信号频率的能量为各个故障模式的特征值,利用BP神经网络及BP_Adaboost模型得到的特征值进行模式分类,并对两种方法的试验结果进行了对比分析,实现了故障诊断的作用。试验结果表明,基于BP_Adaboost模型的故障特征识别方法准确率较高,由于其容错性较强能运用于诸多领域,前景十分广阔。
【关键词】：故障诊断 特征识别 耦合碰摩 BP神经网络 BP_Adaboost模型
【学位授予单位】：沈阳航空航天大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：V263.6
【目录】：

• 摘要6-7
• Abstract7-12
• 主要符号表12-13
• 第1章 绪论13-18
• 1.1 课题研究背景13-14
• 1.2 碰摩故障诊断的重要意义14-15
• 1.3 本课题国内外的研究现状15-17
• 1.4 课题主要研究内容17-18
• 1.4.1 课题的主要目标17
• 1.4.2 本文的章节安排17-18
• 第2章 耦合碰摩故障的机理分析及实验平台的介绍18-28
• 2.1 概述18
• 2.2 耦合故障转子-轴承系统模型和运动微分方程18-20
• 2.2.1 碰摩力19
• 2.2.2 运动微分方程19-20
• 2.3 耦合故障转子-轴承系统非线性特性分析20-25
• 2.3.1 非线性摩擦力对碰摩转子-轴承系统非线性特性的影响20-22
• 2.3.2 裂纹对碰摩转子-轴承系统非线性特性的影响22-23
• 2.3.3 松动对对碰摩转子-轴承系统非线性特性的影响23-24
• 2.3.4 实验小结24-25
• 2.4 转子实验平台25-27
• 2.4.1 转子实验台介绍25-27
• 2.4.2 转子实验台参数确定27
• 2.5 本章小结27-28
• 第3章 基于EMD的耦合碰摩故障特征提取方法28-39
• 3.1 EMD方法的基本原理28-34
• 3.1.1 瞬时频率29-30
• 3.1.2 内模函数30-31
• 3.1.3 EMD方法筛分过程31-34
• 3.2 耦合碰摩信号的EMD时频分析34-38
• 3.3 本章小结38-39
• 第4章 基于BP神经网络的耦合碰摩故障特征识别算法39-50
• 4.1 BP神经网络简介39-42
• 4.1.1 生物神经元模型40
• 4.1.2 神经网络模型40-41
• 4.1.3 神经网络结构41-42
• 4.1.4 神经网络的学习42
• 4.2 BP神经网络42-46
• 4.2.1 BP神经网络的定义、特点及应用42-43
• 4.2.2 BP神经网络结构43-44
• 4.2.3 BP算法44
• 4.2.4 BP算法的步骤44-45
• 4.2.5 BP算法的流程图45-46
• 4.3 耦合碰摩故障信号的BP神经网络特征识别算法46-48
• 4.4 BP神经网络的性能分析48-49
• 4.4.1 BP神经网络主要缺陷48
• 4.4.2 对BP神经网络存在缺点的探讨48-49
• 4.5 本章小结49-50
• 第5章 基于BP_ADABOOST模型的耦合碰摩故障特征识别算法50-59
• 5.1 Boosting算法背景50
• 5.2 Adaboost算法的提出50
• 5.3 Adaboost算法的理论分析50-52
• 5.4 BP_Adaboost模型的建立52
• 5.5 基于BP_Adaboost的耦合碰摩故障识别算法52-58
• 5.5.1 实验设计54-57
• 5.5.2 结果分析57-58
• 5.6 本章小结58-59
• 结论59-60
• 参考文献60-62
• 致谢62-63
• 攻读硕士期间发表（含录用）的学术论文63

【相似文献】

中国期刊全文数据库 前10条

1 胡茑庆,温熙森;转子碰摩故障振动特征的数值分析与辨识方法[J];中国电机工程学报;2002年12期

2 申梅英;;旋转机械转子碰摩故障诊断[J];炼油与化工;2006年01期

3 胡爱军;向玲;唐贵基;;转子系统启动过程局部碰摩故障实验研究[J];润滑与密封;2007年05期

4 胡爱军;安连锁;唐贵基;;转子碰摩故障振动时频特征的实验研究[J];动力工程;2007年04期

5 王胤鼎;李以农;郑玲;王家序;;两端刚性支撑转子系统碰摩故障的非线性特征研究[J];矿山机械;2008年04期

6 杨奕;沈申生;;转子早期碰摩故障特征的小波包分析[J];汽轮机技术;2008年04期

7 孟传民;邓艾东;蒋章;童航;;转子碰摩故障的声发射与振动特征分析[J];汽轮机技术;2010年06期

8 姚红良;韩清凯;李凌轩;闻邦椿;;基于谐波分量的转子系统碰摩故障定量诊断方法[J];机械工程学报;2012年05期

9 陈果;;基于一类支持向量机与主成分分析的转静碰摩故障检测技术[J];振动与冲击;2012年22期

10 刘华峰;李建兰;余辰;高伟;黄树红;;非线性转子系统碰摩故障的突变性能分析[J];振动.测试与诊断;2012年06期

中国重要会议论文全文数据库 前10条

1 马超;马阅军;顾正甫;何田;;基于机匣声发射传感器阵列的碰摩故障定位研究[A];第十届全国振动理论及应用学术会议论文集（2011）上册[C];2011年

2 蒋静;李志农;曾宇冬;员险锋;;转子碰摩故障的非线性频谱分析[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

3 张小栋;张平;刘春翔;;大型旋转机械转子系统径向碰摩故障机理研究[A];2008年全国振动工程及应用学术会议暨第十一届全国设备故障诊断学术会议论文集[C];2008年

4 亢宝田;甄月平;;旋转机械碰摩故障的识别与诊断[A];第八届全国振动理论及应用学术会议论文集摘要[C];2003年

5 邓艾东;包永强;高N，

本文编号：1082970