【毕业学位论文】(原稿)转子故障智能诊断中的特征提取与选择技术研究-载运工具运

《【毕业学位论文】(原稿)转子故障智能诊断中的特征提取与选择技术研究-载运工具运》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、中图分类号：TH165.3TP206.3学科分类号：082304论文编号：102870708-0010密级：公开硕士学位论文转子故障智能诊断中的特征提取与选择技术研究研究生姓名邓堰学科、专业载运工具运用工程研究方向智能诊断与专家系统指导教师陈果副教授南京舟亢空舟亢天大学研究生院民航学院二00八年一月NanJingUniversityofAeronauticsandAstronauticsCollegeofCivilAviationTheStudyonFeatureExtractionandFeatureSelectioninRotor

2、FaultIntelligentDiagnosisAThesisinVehicleOperationEngineeringbyDengYanAdvisedbyViceProf.ChenGuoSubmittedinPartialFulfillmentoftheRequirementsfortheDegreeofMasterofEngineeringJanuary2008承诺书本人郑重声明：所呈交的学位论文，是本人在导师指导下，独立进行研究工作所取得的成果。尽我所知，除文中已经注明引用的内容外，本学位论文的研究成果不包含任何他人享有著作权

3、的内容。对本论文所涉及的研究工作做出贡献的其他个人和集体，均已在文中以明确方式标明。本人授权南京航空航天大学可以有权保留送交论文的复印件，允许论文被查阅和借阅，可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或其他复制手段保存论文。作者签名：日期：摘要航空发动机故障诊断的重要意义在于：一方面，它可以迅速而准确地确定故障部位及故障严重程度，有利于确保飞行安全以及减少投入维修的人力、物力，缩短飞行器的停飞时间，提高飞行器的利用率；另一方面，它又是实现先进的维修思想和维修方式的必要手段与前提条件。木文基于现代设备故障

4、诊断技术，对航空发动机的3类转了故障（不平衡、碰摩和油膜涡动）进行了特征提取与选择,并运用结构自适应集成神经网络实现了这四类转子故障的智能诊断。第一，木文研究了故障特征的提取技术。针对旋转机械的振动信号，首先提取了传统的频谱特征，构建了由各个分频和倍频组成的特征向量；其次，利用小波分析技术，研究了基于多分辨率分析和连续小波分析理论的转子故障信号特征提取技术，提出了一种基于小波多尺度空间能量特征的自动提取方法，以及一种基于连续小波变换的尺度谱图像纹理特征提取技术。并用算例验证了方法的止确有效性。第二，针对提取出来的众多故障信号特征，研究

5、了基于遗传算法的特征选择技术。由于适应度对遗传算法的影响很大，木文提出了4种适应度构造方法，即改进的距离判据适应度函数、平均值方差适应度函数、Fisher判别准则适应度函数以及基于最近邻分类法的适应度函数。最后，通过仿真实例对方法进行了验证,表明了木文提出的遗传算法特征选择技术的可行性。第三，利用ZT-3多功能转子实验台，获得了不同转速下的3类转子故障数据样木共95个，其屮不平衡样木26个，碰摩样木29个，油膜涡动样木40个。首先运用传统的频谱特征提取方法，小波能量特征口动提取方法，以及连续小波尺度谱图像纹理特征提取方法，分别提取了1

6、7个频谱特征，10个小波能量特征和20个连续小波尺度谱图像纹理特征。其次，用所提出的基于遗传算法的特征选择方法对这些特征进行选择优化，去除与分类不和关的冗余特征。最后，构建结构口适应集成神经网络对优化后的特征进行智能诊断，结果充分证明了木文提出的特征提取方法和选择在转子故障诊断屮的的合理性与有效性。关键词：转子；智能诊断；特征提取；特征选择；小波分析；遗传算法；神经网络。AbstractThesignificanceofaeroenginefaultdiagnosisis:first,itcanconfirmthefaultparta

7、ndthedegreeoffaultrapidlyandaccurately,anditisgoodforinsuringthesafetyofaviation,reducingthemanpowerandmaterialresourcesinservicing,shorteningthetimeofaircraftstop,andimprovingtheusagerateofaircraft;second,itisthenecessarymeansandpreconditionforrealizeingon-conditionmai

8、ntenance.Inthispaper,basedonthetechniqueofmordenequipmentfaultdiagnosis,weextractthefeaturesof3classesrotorfau