基于频谱筛选的航空发动机振动总量提取方法

作者： 解梦涛   文敏   任瑞冬   陶冶   来源： 现代机械 年份： 2017 文献类型 ： 期刊 关键词： 航空发动机   振动总量   频谱分析   飞行试验  

描述： 振动总量是反映发动机整机振动水平的重要指标,也是发动机状态监视的重要参数。如何排除噪声干扰,从成分复杂的振动信号中提取振动总量,直接影响到振动测量结果的准确性。提出一种基于频谱分析的航空发动机振动总量计算方法,在常用的频域振动总量计算方法中加入了分量筛选功能,可有效地提高计算结果精度。通过多次飞行试验数据验证,得到该方法的计算误差为:低频段平均误差为4.0%;高频段平均误差为1.5%。证明其具有很好的工程应用价值。

基于频谱筛选的航空发动机振动总量提取方法

作者： 解梦涛   文敏   任瑞冬   陶冶   来源： 现代机械 年份： 2017 文献类型 ： 期刊 关键词： 航空发动机   振动总量   频谱分析   飞行试验  

描述： 振动总量是反映发动机整机振动水平的重要指标,也是发动机状态监视的重要参数。如何排除噪声干扰,从成分复杂的振动信号中提取振动总量,直接影响到振动测量结果的准确性。提出一种基于频谱分析的航空发动机振动总量计算方法,在常用的频域振动总量计算方法中加入了分量筛选功能,可有效地提高计算结果精度。通过多次飞行试验数据验证,得到该方法的计算误差为:低频段平均误差为4.0%;高频段平均误差为1.5%。证明其具有很好的工程应用价值。

基于频谱筛选的航空发动机振动总量提取方法

作者： 解梦涛   文敏   任瑞冬   陶冶   来源： 现代机械 年份： 2019 文献类型 ： 期刊 关键词： 航空发动机   振动总量   频谱分析   飞行试验  

描述： 振动总量是反映发动机整机振动水平的重要指标,也是发动机状态监视的重要参数。如何排除噪声干扰,从成分复杂的振动信号中提取振动总量,直接影响到振动测量结果的准确性。提出一种基于频谱分析的航空发动机振动总量计算方法,在常用的频域振动总量计算方法中加入了分量筛选功能,可有效地提高计算结果精度。通过多次飞行试验数据验证,得到该方法的计算误差为:低频段平均误差为4.0%;高频段平均误差为1.5%。证明其具有很好的工程应用价值。

航空直流起动发电机状态监控与故障诊断技术的研究

作者： 仇越   来源： 北京航空航天大学 年份： 2016 文献类型 ： 学位论文 关键词： 参数估计   频谱分析   神经网络   电机   故障检测与诊断  

描述： 本论文对航空起动发电机进行了故障检测与诊断技术的研究。综合使用了基于数学模型的参数估计法、不依赖于数学模型的信号分析法和神经网络的方法，将上述理论和方法应用于航空起动发电机的故障检测与诊断中。首先介绍了参数估计法的基本原理。建立了航空起动发电机在电动和发电状态的动态数学模型。利用方脉冲变换法完成连续时间域系统的变换；使用带遗忘因子的递推最小二乘法实现了该电机的参数辩识。完成了对电机起动状态的四个运行阶段的仿真研究，验证了参数法用于起动发电机中的有效性。其次介绍了频谱分析的方法。主要研究了直流电机固有的换向纹波问题。通过转速同步采样法，解决了常规采样时电机转速波动造成的电流换向纹波频谱模糊化的问题。在此基础上对代用电机进行实验，对在不同故障下电枢电流的换向纹波的频谱进行了分析，提取相应情况下的频谱特征 。利用频谱特征可以进行电机的故障检测与诊断。最后介绍了神经网络的原理。将神经网络和频谱法以及参数相结合，能更好的实现对电机的故障诊断。利用径向基函数神经网络对电机不同故障状态下的频谱特征向量径向学习，完成对故障向量与故障类型间的映射关系。代用电机实验数据表明该方法有效的实现了电机故障检测与诊断。

航空发动机振动数据稀疏傅里叶变换分析

作者： 郏豪   尚啸   张强   来源： 现代机械 年份： 2023 文献类型 ： 期刊 关键词： 稀疏傅里叶变换   振动   频谱分析   窗函数   快速傅里叶变换  

描述： 稀疏傅里叶变换是近年来新兴的一种基于信号稀疏特性的频谱分析方法，稀疏傅里叶变换通过识别舍弃对分析结果无影响的频率信号，从而对大数据进行快速准确的处理。为了探究稀疏傅里叶变换在航空发动机振动数据分析中的实用性，结合实际飞行试验振动数据，将稀疏傅里叶变换方法与传统快速傅里叶变换方法在频谱特性、运行时间、算法稳定性等方面进行了研究，通过对比可以发现，稀疏傅里叶变换算法在保证准确率的情况下，可以极大地提高振动数据分析的效率。

航空发动机整机振动故障诊断技术研究

作者： 王志   来源： 沈阳航空工业学院 年份： 2016 文献类型 ： 学位论文 关键词： 整机振动   故障方程   航空发动机   故障诊断   频谱分析   神经网络  

描述： 航空发动机是一种高速旋转的机械，其可靠性直接影响到飞机的飞行安全。随着科学技术的发展，航空发动机的推力、转速、动强度等在不断的提高，其工作过程及结构形式也日趋复杂，振动破坏的事例显著增多。因此，对航空发动机进行状态监测和故障诊断愈发重要。 对台架调试中的发动机进行整机振动测量，准确掌握发动机的振动状态和振动特征，是判定发动机工作状态和进行故障诊断的重要手段。本文详细阐述了航空发动机整机振动测试及信号分析技术，系统地研究了三种航空发动机整机振动故障诊断方法，即基于频谱分析的故障诊断方法，基于神经网络的故障诊断方法以及基于故障方程的故障诊断方法。通过对航空发动机整机振动信号进行时频分析，根据其频谱特征，诊断出发动机的振动故障；建立整机振动故障诊断神经网络模型，利用大量故障样本对其进行训练，使该网络具有振动故障模式识别能力，从而进行航空发动机整机振动故障诊断；基于航空发动机故障诊断的主因子模型建立故障方程，运用最优估计及主成分分析等算法来求解故障方程，进而诊断出发动机的振动故障。 本文还利用MATLAB与Ⅵsual C++软件开发平台，通过混合编程手段，将三种故障诊断方法编制成相应的计算机程序，开发出航空发动机整机振动故障诊断系统，并对某型航空发动机进行了整机振动故障诊断。结果表明，本文所采用的三种故障诊断方法，都能有效地诊断出发动机所存在的故障；通过将各方法综合运用到故障诊断中，提高了故障诊断的准确度。本文所研究的故障诊断方法及其相应的故障诊断系统，对航空发动机整机振动故障诊断具有一定的应用价值。