emd与ica相结合的复杂转子系统早期故障诊断

emd与ica相结合的复杂转子系统早期故障诊断

ID:5285365

大小:473.10 KB

页数:7页

时间:2017-12-07

emd与ica相结合的复杂转子系统早期故障诊断_第1页
emd与ica相结合的复杂转子系统早期故障诊断_第2页
emd与ica相结合的复杂转子系统早期故障诊断_第3页
emd与ica相结合的复杂转子系统早期故障诊断_第4页
emd与ica相结合的复杂转子系统早期故障诊断_第5页
资源描述:

《emd与ica相结合的复杂转子系统早期故障诊断》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、第14卷第2期2014年1月科学技术与工程Vo1.14No.2Jan.20141671—1815(2014)02—0265—07ScienceTechnologyandEngineering@2014Sci.Tech.Engrg.航空航天EMD与ICA相结合的复杂转子系统早期故障诊断尚柏林谢紫龙程礼通旭东(空军工程大学航空航天工程学院,西安710038)摘要为了提取复杂转子系统微弱故障信息,对其早期故障进行预知诊断,针对某型涡桨发动机的减速器传动机构接连发生的齿轮毂裂纹故障问题,通过布置多组加速度传感器对多组正常齿轮毂和预制早期裂纹故障

2、的齿轮毂进行正常试车下的振动信号采集。采用EMD(empiricalmodedecomposition)方法把测试信号分解成多个IMF分量,选取合适IMF分量利用基于非高斯性极大的ICA(independentcomponentanalysis)固定点算法进行混合再分离,得到了信息较为独立的特征分量。通过对特征分量进行解调分析得到能清晰反应故障状态的调制信号信息。结果表明基于EMD与ICA相结合的特征信号分离提取技术加包络解调法能有效地识别复杂转子系统早期故障信息。关键词转子系统早期故障EMD分解非高斯性ICA分离解调分析中图法分类号V

3、231.96TP277;文献标志码A转子系统是航空发动机的核心,由于恶劣复杂目前,基于自适应分解的EMD是处理非平稳信的运行环境及使用寿命的限制,常常会发生各类故号的一种有效工具,具有良好的分解性能J。另有障,而且由于深处发动机内部,在日常使用维护中很盲源分离技术是当今信息处理领域中热门的课题之难有机会对转子系统的健康状态进行观测,一些早一,它可以在没有先验知识的情况下,仅依据传感器期故障更是难以察觉。某型涡桨飞机的发动机在因采集的观测信号恢复出各个机械部件的振源信号。返场更换涡轮叶片而进行分解时才意外发现减速器其中,ICA方法的表现尤

4、为突出。ICA是盲信号处的齿轮毂结构发生严重裂纹破坏,进而对其他发动理领域在20世纪90年代后期发展起来的一项新技机进行分解检测时又发现几例相同类型故障。因术,具有优异的盲辨识、特征提取能力,能够在各个此,亟待提供一种有效、实用的转子系统健康状态监振源信号未知,同时混叠参数也未知的前提下,仅根测与故障预警手段。在不分解发动机的情况下,通据某些统计特征信息恢复出各个振源信号J。过在发动机机匣上布置若干加速度传感器进行体外本文运用EMD—ICA联合处理的方法对采集到振动信号采集是较为理想的测试手段¨』。但是,航的振动信号进行分离提取,根据含

5、有齿轮、滚动轴承空发动机运行时,其振动信号是非常复杂的,包含多等部件的转子故障振动信号中,一般会出现调制信个振源以及噪声,采集到的振动信号必然是非平稳号的特征J,对分离出的振动信息进行包络解调处非线性的多分量信号,是多个振源信号经由不同传理,得到能清晰反应故障特征的调制信息。该方法递路径后的加性、乘性、卷积等多种方式的混叠,外对于其他类似转子系统的故障诊断有通用性和实加噪声的干扰。这对信号分析和故障诊断带来了很效性。大的困难。如果将复杂的混叠信号加以分离,获得1理论分析方法每个振源所产生的单一信号,对其进行分析处理,势1.1基于EMD的

6、信号处理方法必会明显提高故障诊断的准确度。而做到这一点,就必须要解决信号的分离问题。EMD是对信号进行平稳化处理,基于信号的局部特征尺度,将复杂的信号分解为若干个内禀模态2013年8月2O日收到,9月9日修改函数之和。它基于一个基本假设:任一复杂的信号第一作者简介:尚柏林(1973一),男,教授,硕士生导师,研究方向都是由若干不同的内禀模态函数组成,每一个内禀飞机结构强度,飞机结构健康监控。模态函数具有相同数量的极值点和过零点或相差最通信作者简介:谢紫龙(1988一),男,湖北随州人,硕研究方向多不能超过一个;相邻的两个过零点之间只有一

7、个机结构健康监控与使用可靠性。E-mail:cnaxzl@163.con。极值点,且上下包络线关于时间轴局部对称。可以科学技术与工程l4卷采用EMD方法通过下面的步骤对任何复杂信号s1.2.2ICA算法流程(t)进行分解j。ICA算法分为源混合过程、观测信号预处理过(1)找到信号的所有的局部极值点,利用3次程、解混过程三个部分。预处理过程中主要的方法样条插值将所有的局部极大值点连接起来形成信号为观测向量的中心化和白化操作,解?昆过程又分为的上包络线。目标函数选择,学习算法选择,分离矩阵求取三(2)再利用3次样插值将所有的局部极小值点部分

8、。。。连接起来形成信号的下包络线,上下包络线应该包中心化是对信号进行零均值处理,即络所有的数据点。工(t):(t)一E[(t)](4)(3)上下包络线的均值记为m,求出白化处理是将去均值后的观测矢量(t)进

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。