一种基于最大差异延展的航空发动机机械故障诊断方法技术

本发明专利技术公开了一种基于最大差异延展的航空发动机机械故障诊断方法，属于航空发动机故障诊断技术领域，其特点是采用最大差异延展算法对航空发动机机械故障振动采样数据进行非线性故障特征提取与识别，为利用非线性振动采样数据进行发动机机械故障诊断问题提供有效解决途径，提高航空发动机故障诊断的准确性。

A Fault Diagnosis Method for Aeroengine Machinery Based on Maximum Difference Extension

The invention discloses an aeroengine mechanical fault diagnosis method based on maximum difference extension, which belongs to the field of aeroengine fault diagnosis technology. Its characteristics are that the maximum difference extension algorithm is used to extract and identify the non-linear fault features of aeroengine mechanical fault vibration sampling data, and to diagnose engine mechanical fault using the non-linear vibration sampling data. The problem provides an effective solution to improve the accuracy of aeroengine fault diagnosis.

【技术实现步骤摘要】
一种基于最大差异延展的航空发动机机械故障诊断方法
本专利技术涉及航空发动机故障诊断
，具体的讲是一种航空发动机机械故障诊断方法。
技术介绍
航空发动机是飞机的“心脏”，其运行状态直接关系着飞机的飞行安全。因此，航空发动机的故障诊断理论方法及应用研究得到了广泛重视。航空发动机机械故障诊断中一个有挑战性的难题就是如何处理具有高维数、非线性化特点的振动故障数据。传感器提供了大量的高维观测数据，它们包含了许多用于故障识别的有用信息。然而，在维数很高的数据空间中，不同的故障数据之间的理想分类边界通常是高度非线性的。传统的主成分分析、线性鉴别分析和独立分量分析等模式识别方法要求数据服从全局线性分布，无法有效的处理蕴含在高维空间故障数据的非线性结构，导致故障诊断准确性不高。
技术实现思路
本专利技术的目的是克服上述已有技术的不足，而提供一种基于最大差异延展的航空发动机机械故障诊断方法，为利用非线性振动采样数据进行故障诊断问题提供有效解决途径。为了达到上述目的，本专利技术是这样实现的：基于最大差异延展的航空发动机机械故障诊断方法，其特征在于包括如下步骤：(1)将航空发动机机械故障产生的振动信号构建成高维采样信号空间数据；(2)采用最大差异延展算法对高维采样信号空间数据进行非线性故障特征提取；(3)采用重构误差法对提取的非线性故障特征进行故障识别，完成航空发动机的机械故障诊断。优选地，所述的步骤(1)包含如下具体步骤：(1a)对每段航空发动机机械故障产生的振动信号进行零均值化与方差单位化处理；(1b)以振动信号的N个连续时域采样值来构造高维采样信号空间\N，每段振动信号被映射成该高维采样信号空间的一个数据点。优选地，所述的步骤(2)包含如下具体步骤：(2a)在高维采样信号空间中为每个数据点确定它的k个近邻点，建立邻域关系，即构造一个邻接矩阵W，Wij为矩阵W的第i行第j列元素，如果第i个数据点xi是第j个数据点xj的近邻，则Wij＝1，否则Wij＝0；(2b)将高维信号采样空间中的数据点向低维故障特征空间进行非线性映射，映射过程要保持近邻点间的欧式距离不变，同时满足中心化约束，并且使得故障特征数据彼此之间差异最大化，具体为求解优化问题s.t.||yi-yj||2Wij＝||xi-xj||2Wij,获得故障特征数据yi，从而完成非线性故障特征的提取。优选地，所述的步骤(3)包含如下具体步骤：(3a)对于待诊断的故障数据y*，分别从每类故障特征数据中选择它的k个近邻点，计算近邻点对y*的重构误差ε，即(3b)将最小的ε值所对应的故障类别判定为故障数据y*所属的故障类别，完成航空发动机机械故障诊断。本专利技术所述的基于最大差异延展的航空发动机机械故障诊断方法与已有技术相比具有突出的实质性特点和显著进步：能够有效处理具有非线性结构特点的航空发动机机械故障数据，能够克服传统的主成分分析、线性鉴别分析等线性故障特征提取方法的不足，提高航空发动机故障诊断的准确性。附图说明图1是本专利技术的基于最大差异延展的航空发动机机械故障诊断方法总体流程图；图2是采用基于最大差异延展的故障诊断方法将发动机故障数据映射到二维空间的结果。具体实施方式为了更好的理解与实施，下面结合附图给出具体实例详细说明本专利技术基于最大差异延展的航空发动机机械故障诊断方法。基于最大差异延展的航空发动机机械故障诊断方法总体流程见图1，其具体步骤如下：首先对每段发动机机械故障振动采样信号xi＝[xi(1),xi(2),…,xi(N)]进行零均值化和方差单位化预处理，其中N是训练信号的采样长度，i＝1,2,…,m，m为训练信号的数目。构造高维采样信号空间将x1,x2,…,xm看成是空间中的N个数据点。采用最大差异延展算法对高维采样信号空间中的数据x1,x2,…,xm映射到更低的d维空间以获得数据的低维故障特征表示y1,y2,…,ym。具体为构造一个n×n的邻接矩阵W，如果xi是xj的k近邻，则Wij＝1，否则Wij＝0。求解如下的优化问题：s.t.||yi-yj||2Wij＝||xi-xj||2Wij,其中第一个约束函数是局部等距约束，它保证高维空间中的数据点向低维映射时，近邻点间的欧式距离保持不变，数据集的局部结构因此得以保留。第二个是中心化约束，用来消除平移自由度。采用非凸二次规划法对上述优化问题进行求解，获得故障特征数据yi，从而完成非线性故障特征的提取。最后，对于待诊断的故障数据y*，分别从每类故障特征数据中选择它的k个近邻点，计算近邻点对y*的重构误差ε，即将最小的ε值所对应的故障类别判定为故障数据y*所属的故障类别，完成航空发动机机械故障诊断。采用实测的航空发动机转子故障数据来验证基于最大差异延展的航空发动机机械故障诊断方法的有效性。故障数据集来源于某型航空发动机台架试车时所测的三种状态的发动机振动信号，即不对中、碰摩故障以及松动故障状态。图2显示了当故障数据样本数为每类100个时，使用基于最大差异延展的机械故障诊断方法将三类发动机故障数据映射到二维空间的结果，故障诊断正确率达到94.82％，表现出很好的故障诊断性能。表1给出了三种方法在不同故障样本数目下的故障诊断结果。可以看出，在每种训练样本数目下，基于最大差异延展的故障诊断方法的性能都显著优于主成分分析法和线性鉴别法，特别是当训练样本数很小时(每类40个)，主成分分析法和线性鉴别法的故障诊断正确率迅速下降，分别为84.26％和76.12％，而最大差异延展算法的诊断正确率依然很高(88.49％)。因此，最大差异延展法比主成分分析法和线性鉴别法表现出更佳的故障诊断性能。表1不同故障样本数下的平均故障诊断正确率(％)本文档来自技高网...

【技术保护点】
1.基于最大差异延展的航空发动机机械故障诊断方法，其特征在于包括如下步骤：(1)将航空发动机机械故障产生的振动信号构建成高维采样信号空间数据；(2)采用最大差异延展算法对高维采样信号空间数据进行非线性故障特征提取；(3)采用重构误差法对提取的非线性故障特征进行故障识别，完成航空发动机的机械故障诊断。

【技术特征摘要】
1.基于最大差异延展的航空发动机机械故障诊断方法，其特征在于包括如下步骤：(1)将航空发动机机械故障产生的振动信号构建成高维采样信号空间数据；(2)采用最大差异延展算法对高维采样信号空间数据进行非线性故障特征提取；(3)采用重构误差法对提取的非线性故障特征进行故障识别，完成航空发动机的机械故障诊断。2.根据权利要求1所述的基于最大差异延展的航空发动机机械故障诊断方法，其特征在于所述的步骤(1)包含如下具体步骤：(1a)对每段航空发动机振动采样信号进行零均值化与方差单位化处理；(1b)以振动信号的N个连续时域采样值来构造高维采样信号空间每段振动信号被映射成该高维采样信号空间的一个数据点。3.根据权利要求1所述的基于最大差异延展的航空发动机机械故障诊断方法，其特征在于所述的步骤(2)包含如下具体步骤：(2a)在高维采样信号空间中为每个数据点确定它的k个近邻点，建立...

【专利技术属性】
技术研发人员：张赟，李朋，贾舒宜，
申请(专利权)人：中国人民解放军海军航空大学，
类型：发明
国别省市：山东,37