稀疏驱动的航空发动机主轴承智能监测研究(英文)
日期:2021.04.09 点击数:6
【类型】期刊
【刊名】Transactions of Nanjing University of Aeronautics and Astronautics
【关键词】 特征提取,稀疏模型,变分自编码,智能监测,深度学习,航空发动机主轴承
【摘要】微弱特征提取是航空发动机健康监测与智能诊断的关键技术之一。本文针对航空发动机主轴承微弱故障智能监测难题,基于信号先验提出增强稀疏驱动的智能监测方法。通过分析经典凸稀疏诊断模型难以兼顾信号降噪与特征重构性能的缺陷,构建基于莫罗包络理论的非凸正则凸优化增强稀疏模型,以实现微弱特征提取;进而提出稀疏驱动的深度卷积变分自编码网络智能监测方法,通过对健康状态稀疏降噪样本的训练实现对故障异常状态的智能识别。通过航空发动机主轴承疲劳寿命试验的工程案例对提出方法进行性能验证,结果表明:增强稀疏驱动的智能监测方法具有良好的异常状态智能识别能力,能够有效支撑航空发动主轴承微弱故障的智能监测与诊断。
【年份】2021
【作者单位】西安交通大学机械制造系统工程国家重点实验室;空军工程大学等离子体动力学重点实验室;
【期号】04
【全文挂接】全文挂接
相关文章
- 1、基于深度学习的航空发动机异常检测方法研究 作者:张光耀 年份:2018
- 2、基于网络中网络的遥感图像配准在飞行器导航中的应用研究 作者:李绩鹏 年份:2021
- 3、航空发动机状态监控和预测性维护应用研究 作者:廖鹏程,李昂,王骁, 年份:2023
- 4、基于多特征提取和Stacking集成学习的航空发动机余寿预测 作者:张一鸣,刘晓锋, 年份:2022
- 5、一种基于改进堆栈自动编码器的航空发电机旋转整流器故障特征提取方法 作者:崔江,唐军祥,龚春英,张卓然, 年份:2018
- 6、基于统一网络架构的多模态航空影像质量评价研究 作者:闫婧,武林伟,刘伟杰,韩如雪, 年份:2023