直升机高速重载输入级健康状态评估方法技术

技术编号:20919254 阅读:24 留言:0更新日期:2019-04-20 10:15
本发明专利技术提出直升机高速重载输入级健康状态评估方法,其具体步骤为:利用直升机高速重载输入级正常状态下运行监测的历史振动信号数据,提取输入级转速和多个特征参数,由特征参数构成特征向量。基于BP神经网络模型构建转速与特征向量之间的映射关系。在线监测输入级振动信号,采用相同的方法获取输入级转速和振动信号特征向量。将转速值输入到BP神经网络模型,得到正常状态输入级在当前转速下的特征向量。计算相同转速下的在线监测特征向量与正常状态特征向量之间的欧式距离,将此欧式距离与正常状态特征向量模值之比作为输入级健康状态评估指标。本发明专利技术针对变转速工况下直升机高速重载输入级健康状态评估难题,提供了一种问题解决的新方法。

Health Assessment Method for High Speed and Heavy Load Input Stage of Helicopter

The method for evaluating the health status of high-speed and heavy-load input stage of helicopter is proposed. The specific steps are as follows: utilizing the historical vibration signal data of normal operation monitoring of high-speed and heavy-load input stage of helicopter, extracting the speed of input stage and several characteristic parameters, and constituting the characteristic vector by the characteristic parameters. Based on BP neural network model, the mapping relationship between rotational speed and eigenvector is constructed. On-line monitoring of input stage vibration signals, the same method is used to obtain the input stage speed and vibration signal eigenvectors. The rotational speed value is input into the BP neural network model, and the eigenvector of the normal input stage at the current rotational speed is obtained. The Euclidean distance between the on-line monitoring eigenvector and the normal state eigenvector at the same speed is calculated. The ratio of the Euclidean distance to the normal state eigenvector modulus is used as the input level health assessment index. The invention provides a new method for solving the problem of health state assessment of helicopter high speed and heavy load input stage under variable speed condition.

【技术实现步骤摘要】
直升机高速重载输入级健康状态评估方法
本专利技术涉及旋转机械剩余寿命预测与健康管理
,尤其涉及直升机传动系统高速重载输入级健康状态评估方法。
技术介绍
直升机依靠旋翼飞行,其传动系统起着至关重要的作用,而直升机传动系统无法冗余备份。为了提高直升机飞行可靠性与安全性,降低直升机全寿命周期使用成本,直升机传动系统的状态监测、健康状态评估、故障诊断、故障预测与健康管理等手段逐渐得到重视。输入级装置是直升机传动系统的重要组成部分,其把发动机输出动力传递到直升机主减速器,常工作在时变高转速和重负载情况下,很容易发生各种故障,影响直升机传动系统安全性,甚至可能导致传动系统失效。因此,直升机高速重载输入级的实时健康状态评估尤为重要。通过对直升机高速重载输入级进行健康状态评估,可以发现输入级是否出现异常,判断性能退化状况,进而实现输入级早期故障预警和剩余寿命预测。直升机高速重载输入级属于一种特殊旋转机械,主要采用振动信号对运行状态进行监测。对于旋转机械健康状态评估,主要提取的振动信号特征参数有:振动信号有效值、故障频率幅值和、信噪比等。但是,已有的健康状态评估指标一般是在固定转速与载荷不变条件下提取的振动信号特征参数,无法用于转速与载荷时变情况下的健康状态评估。本专利技术将直升机高速重载输入级健康状态评估指标构建过程分为两个阶段。离线建模阶段:使用振动信号频谱分析方法提取直升机高速重载输入级正常状态历史数据中的转速值;运用EEMD方法对历史数据降噪重构,从重构数据中提取多种振动信号特征参数,构成振动信号特征向量;将输入级转速值作为BP神经网络输入,振动信号特征向量作为网络输出,训练BP神经网络。在线监测阶段:采用离线建模阶段相同的方法提取实时采集的输入级振动信号数据中的振动信号特征向量和转速值;将输入级当前转速值输入到BP神经网络中得到正常状态在该转速下的特征向量;计算在当前转速下实时监测状态特征向量与正常状态特征向量的欧式距离,最后将此欧式距离与正常状态下特征向量的模的比值作为反应直升机高速重载输入级健康状态的指标。
技术实现思路
本专利技术的目的是提供直升机高速重载输入级健康状态评估方法,该方法能够解决直升机高速重载输入级在转速时变飞行过程中健康状态难以评估的问题。本专利技术的目的是通过以下技术方案实现的:直升机高速重载输入级健康状态评估方法,包括如下步骤:步骤1、离线建模阶段,包括如下具体步骤:步骤1.1、获取大量直升机高速重载输入级正常状态下运行监测历史振动信号数据,通过振动信号频谱分析获得输入级转速值,根据转速值对运行监测的振动信号数据进行转速标记;步骤1.2、采用集合经验模态分解(EEMD)对步骤1.1中获取数据进行降噪处理,得到重构数据;步骤1.3、从步骤1.2中获得的重构数据中提取振动数据的有效值(RMS)、峭度、经小波变换后的频带能量、经FFT变换的频谱均值和频谱样本熵,构成振动信号特征向量;步骤1.4、以步骤1.1中的转速值作为BP神经网络的输入,以步骤1.3中的振动信号特征向量作为BP神经网络的输出,并使用反向传播算法训练BP神经网络,建立正常状态下的输入级转速和特征向量之间的映射关系;步骤2、在线监测阶段,包括如下具体步骤:步骤2.1、实时采集直升机高速重载输入级振动信号数据,利用振动信号频谱分析获得输入级转速值;步骤2.2、使用步骤1.2中方法对振动信号去噪,利用步骤1.3中方法提取当前状态下输入级实时监测振动信号的特征向量;步骤2.3、将步骤2.1中得到的当前输入级转速值输入到步骤1.4中得到的BP神经网络模型中,获得直升机高速重载输入级正常状态在当前转速下的振动信号特征向量;步骤2.4、计算步骤2.2中当前状态特征向量与步骤2.3中正常状态特征向量的欧式距离;步骤2.5、计算步骤2.4中的欧式距离与步骤2.3中正常状态特征向量模值的比值,并以此比值作为反应直升机高速重载输入级健康状态的评估指标;附图说明图1是本专利技术的流程框图。具体实施方式下面结合说明书附图对本专利技术的技术方案进行详细说明,但并不限于此,凡是对本专利技术技术方案进行修改或者等同替换,而不脱离本专利技术技术方案的精神和范围,均应涵盖在本专利技术的保护范围中。本专利技术提供了直升机高速重载输入级健康状态评估方法,该方法通过对直升机高速重载输入级历史信号进行分析,使用BP神经网络方法建立转速与特征向量的映射关系,在实际应用时可根据输入级当前转速、特征向量等信息得到当前状态与正常状态间的差异,从而消除或减少转速变化对直升机高速重载输入级健康状态评估的影响,具体实施步骤如下:步骤1、离线建模阶段,包括如下具体步骤:步骤1.1、获取大量直升机高速重载输入级正常状态下运行监测历史振动信号数据集V,通过振动信号频谱分析获得输入级转速值,并根据转速值R={ab…n}对数据集V进行整理分类,得到新数据集式中表示在转速i下的历史振动数据集,维数为m维;步骤1.2、采用集合经验模态分解(EEMD)对步骤1获取数据集进行降噪处理,得到重构信号步骤1.3、从步骤1.2获得的重构信号中提取振动信号的有效值、峭度、经小波变换后的频带能量、经FFT变换的频谱均值和频谱样本熵等,组成振动信号特征向量,具体步骤如下:步骤1.3.1、计算振动信号有效值,具体公式如下:式中,为重构信号中在转速i下的数据集中的第j点的幅值大小;m为重构信号集长度;步骤1.3.2、计算振动信号峭度,具体公式如下:式中,为重构信号中在转速i下的数据集中的第j点的幅值大小;为重构信号中在转速i下的数据集m个数据点的平均值;σ为重构信号中在转速i下的数据集m个数据点的标准差;步骤1.3.3、计算振动信号频带能量:选取三层小波包对振动信号进行小波分解,选取幅值较明显的第七频带能量,表示为步骤1.3.4、计算振动信号频谱均值:对振动信号进行快速傅里叶变换,求取频谱均值,表示为步骤1.3.5、计算振动信号频谱样本熵:对振动信号进行快速傅里叶变换,求取频谱样本熵,表示为步骤1.3.6、选取步骤1.3.1-1.3.5中的五个特征,组成在转速i下的振动信号特征向量所以全转速振动信号特征向量集为步骤1.4、反应输入级转速和振动信号特征向量之间映射关系的BP神经网络建模方法,包括如下具体步骤:步骤1.4.1、BP神经网络输入与输出:以步骤1.1中的转速值作为BP神经网络的输入,以步骤1.3.6中的振动信号特征向量作为BP神经网络输出;步骤1.4.2、BP神经网络损失函数:式中,n代表特征向量集CH的长度;k为特征向量中特征的个数;为网络预测特征向量值;为真实值;步骤1.4.3、BP神经网络训练方法:反向传播算法;步骤2、在线监测阶段,包括如下具体步骤:步骤2.1、实时采集直升机高速重载输入级振动信号,利用利用振动信号频谱分析方法获得输入级转速信息,假设转速为s;步骤2.2、使用步骤1.2中方法对振动信号降噪重构,利用步骤1.3中方法提取当前状态下输入级实时监测振动信号的特征向量(转速为s);步骤2.3、将步骤2.1中得到的当前输入级转速值输入到步骤1.4中得到的BP神经网络模型中,获得直升机高速重载输入级正常状态在当前转速下的振动信号特征向量步骤2.4、计算步骤2.2中当前状态特征向量和步骤2.3中正常状态特征向量的欧式距本文档来自技高网
...

【技术保护点】
1.直升机高速重载输入级健康状态评估方法,其特征在于所述方法如下特征:步骤1、离线建模阶段,包括如下具体步骤:步骤1.1、获取大量直升机高速重载输入级正常状态下运行监测历史振动信号数据,通过振动信号频谱分析获得输入级转速值,根据转速值对运行监测的振动信号数据进行转速标记;步骤1.2、采用集合经验模态分解(EEMD)对步骤1.1中获取数据进行降噪处理,得到重构数据;步骤1.3、从步骤1.2中获得的重构数据中提取振动数据的有效值(RMS)、峭度、经小波变换后的频带能量、经FFT变换的频谱均值和频谱样本熵,构成振动信号特征向量;步骤1.4、以步骤1.1中的转速值作为BP神经网络的输入,以步骤1.3中的振动信号特征向量作为BP神经网络的输出,并使用反向传播算法训练BP神经网络,建立正常状态下的输入级转速和特征向量之间的映射关系;步骤2、在线监测阶段,包括如下具体步骤:步骤2.1、实时采集直升机高速重载输入级振动信号数据,利用振动信号频谱分析获得输入级转速值;步骤2.2、使用步骤1.2中方法对振动信号去噪,利用步骤1.3中方法提取当前状态下输入级实时监测振动信号的特征向量;步骤2.3、将步骤2.1中得到的当前输入级转速值输入到步骤1.4中得到的BP神经网络模型中,获得直升机高速重载输入级正常状态在当前转速下的振动信号特征向量;步骤2.4、计算步骤2.2中当前状态特征向量与步骤2.3中正常状态特征向量的欧式距离;步骤2.5、计算步骤2.4中的欧式距离与步骤2.3中正常状态特征向量模值的比值,并以此比值作为反应直升机高速重载输入级健康状态的评估指标。...

【技术特征摘要】
1.直升机高速重载输入级健康状态评估方法,其特征在于所述方法如下特征:步骤1、离线建模阶段,包括如下具体步骤:步骤1.1、获取大量直升机高速重载输入级正常状态下运行监测历史振动信号数据,通过振动信号频谱分析获得输入级转速值,根据转速值对运行监测的振动信号数据进行转速标记;步骤1.2、采用集合经验模态分解(EEMD)对步骤1.1中获取数据进行降噪处理,得到重构数据;步骤1.3、从步骤1.2中获得的重构数据中提取振动数据的有效值(RMS)、峭度、经小波变换后的频带能量、经FFT变换的频谱均值和频谱样本熵,构成振动信号特征向量;步骤1.4、以步骤1.1中的转速值作为BP神经网络的输入,以步骤1.3中的振动信号特征向量作为BP神经网络的输出,并使用反向传播算法训练BP神经网络,建立正常状态下的输入级转速和特征向量之间的映射关系;步骤2、在线监测阶段,包括如下具体步骤:步骤2.1、实时采集直升机高速重载输入级振动信号数据,利用振动信号频谱分析获得输入级转速值;步骤2.2、使用步骤1.2中方法对振动信号去噪,利用步骤1.3中方法提取当前状态下输入级实时监测振动信号的特征向量;步骤2.3、将步骤2.1中得到的当前输入级转速值输入到步骤1.4中得到的BP神经网络模型中,获得直升机高速重载输入级正常状态在当前转速下的振动信号特征向量;步骤2.4、计算步骤2.2中当前状态特征向量与步骤...

【专利技术属性】
技术研发人员:王友仁张云超
申请(专利权)人:南京航空航天大学
类型:发明
国别省市:江苏,32

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1