直升机主减速器故障样本生成方法技术

本发明专利技术公开直升机主减速器故障样本生成方法，具体步骤为：首先采集主减速器大量正常状态和少量故障状态下的振动信号并进行FFT变换得到频谱，根据统计分析确定转速变化范围以及实际噪声分布规律，根据理论公式计算得到各部件的啮合频率并建立其啮合频率幅值大小与转速的关系，然后将转速范围、实际噪声分布规律、各部件啮合频率及其啮合频率幅值大小与转速的关系作为生成对抗网络的条件信息，通过对抗学习机制不断训练生成器和判别器，以此在各部件的啮合频率附近生成故障信息，从而生成大量转速范围内的故障样本频谱。本发明专利技术建立了基于条件信息的生成对抗网络模型，能够生成更加符合要求的主减速器各部件故障样本频谱。

Fault Sample Generation Method for Helicopter Main Reducer

The invention discloses a method for generating fault samples of helicopter main reducer. The specific steps are as follows: firstly, a large number of vibration signals of the main reducer in normal state and a small number of fault state are collected, and the frequency spectrum is obtained by FFT transformation. According to the statistical analysis, the range of speed variation and the law of actual noise distribution are determined, and the meshing frequency of each component is calculated according to the theoretical formula and its meshing frequency is established. The relationship between the amplitude and the rotational speed is then taken as the conditional information for generating the countermeasure network, which includes the range of rotational speed, the distribution law of actual noise, the meshing frequency of each component and the relationship between the amplitude of meshing frequency and the rotational speed. By training generators and discriminators continuously through the countermeasure learning mechanism, the fault information is generated near the meshing frequency of each component, thus generating a large number of rotational speed ranges. Fault sample spectrum. The invention establishes a generation antagonism network model based on condition information, which can generate fault sample spectrum of each component of the main reducer more in line with the requirements.

【技术实现步骤摘要】
直升机主减速器故障样本生成方法
本专利技术涉及一种直升机主减速器故障样本生成方法，属于旋转机械故障诊断与健康管理领域。
技术介绍
行星传动轮系作为直升机传动系统主减速的核心部件，不断承受着变转速的影响。直升机在实际运行中故障发生率低，容易获得各种实际不同转速下正常模式的状态监测数据，但是故障样本量少且对应不全面转速信息，造成用于分类器模型训练的故障样本少的情况，由于变转速对主减速器故障特征的影响很大，这种不完备的故障样本集严重影响了分类器故障诊断性能。因此，如何生成大量各种转速下的故障样本具有重要的研究意义。目前在旋转机械领域，国内外通常采用SMOTE采样方法对故障样本进行随机插值得到大量样本，但这种方法容易产生噪声样本或者无效样本，尤其在“非凸类”故障样本空间和变转速情况下。随着生成对抗网络的发展，样本生成技术已在旋转机械领域得到了初步应用，通过生成对抗网络获取故障样本的分布，从而生成大量类似的故障样本。然而这种样本生成方式并未结合直升机主减速器的特点，无法生成各种转速条件下的故障样本。因此，必须结合主减速器的自身特点，增加额外的样本频谱生成条件才能构建出合适的生成模型。本专利技术根据直升机主减速器在正常状态下的振动信号频谱统计分析确定转速变化范围，并学习实际噪声信号分布规律得到其均值与方差，然后根据理论计算公式得到各部件的啮合频率并建立其啮合频率幅值大小与转速的关系，将转速范围、实际噪声分布、各部件啮合频率及其啮合频率幅值大小与转速的关系作为生成对抗网络的条件信息，以此生成大量转速范围内的故障样本频谱。本专利技术中建立的基于条件信息的生成对抗网络模型，具有更好样本生成能力，更利于故障诊断。
技术实现思路
本专利技术的目的在于提供一种直升机主减速器故障样本生成的方法，通过采集主减速器正常模式的振动信号，并对其进行FFT变换得到频谱，根据统计分析确定转速的变化范围和实际噪声分布规律，依据理论公式计算得到各部件的啮合频率，并建立各部件啮合频率幅值大小与转速的关系，将转速范围、实际噪声分布、各部件啮合频率及其啮合频率幅值大小与转速的关系作为生成对抗网络的条件信息，而随机噪声作为生成对抗网络模型的输入样本，通过对抗学习机制不断训练生成器和判别器，以此在各部件的啮合频率附近生成故障信息，从而生成大量符合实际需求的故障样本频谱。为实现上述目的，本专利技术的一种直升机主减速器故障样本生成的方法，具体包括以下步骤：步骤1：利用加速度传感器分别采集主减速器轴向、径向和垂直三个通道的振动信号，并分别对其进行FFT变换得到频谱信号，选择垂直通道的频谱信号作为输入信号。步骤2：利用速度传感器测量主减速器的转速，根据统计分析确定转速变化范围，然后依据理论公式计算各部件的啮合频率，并建立各部件啮合频率幅值大小与转速变化的关系，同时学习实际噪声信号的分布规律得到其均值和方差。步骤3：将步骤2中的转速范围、实际噪声分布规律、各部件啮合频率及其幅值大小与转速的关系作为生成对抗网络模型的条件输入，随机噪声信号作为输入样本。步骤4：通过生成对抗网络的对抗学习机制不断训练生成器和判别器，以此在各部件的啮合频率附近生成故障信息，从而生成大量转速范围内的故障样本频谱。本专利技术解决了直升机在实际飞行过程中故障样本量缺少且对应转速信息不全面的问题，利用正常样本的先验知识以及直升机实际飞行过程中的噪声信号作为生成对抗网络的条件信息，从而可以生成大量转速范围内的故障样本频谱。附图说明图1是直升机主减速器故障样本生成方法流程图；图2是基于条件信息的生成对抗网络结构。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。如图1所示，采集直升机主减速器大量正常状态和少量故障状态的振动信号，并对其进行FFT变换得到频谱，根据统计分析确定转速的变化范围，依据理论计算公式得到各部件的啮合频率，并建立各部件啮合频率幅值大小与转速的关系，同时对直升机主减速器的振动信号进行信号分离得到实际噪声信号，然后通过神经网络学习噪声信号的分布规律得到其均值与方差，将转速范围、实际噪声分布规律、各部件啮合频率及其幅值大小与转速的关系作为生成对抗网络的条件信息。通过对抗学习机制不断训练模型，以此在各部件的啮合频率附近生成故障信息，从而生成各种转速范围内的故障样本频谱。直升机主减速器故障样本生成方法具体实施方式如下：步骤1：获取主减速器的振动信号，并对振动信号进行预处理，其具体步骤如下：步骤1.1、利用加速度传感器分别采集主减速器轴向、径向和垂直三个通道的振动信号，并分别对其进行FFT变换得到频谱信号。步骤1.2、根据步骤1.1中得到的频谱信号，选择垂直通道的频谱信号作为输入信号。步骤2：利用速度传感器测量主减速器的转速，根据统计分析确定转速变化范围，然后依据理论公式计算各部件的啮合频率，并建立各部件啮合频率幅值大小与转速变化的关系，同时加入直升机实际噪声信号对频谱的影响。以太阳轮为例，假设其输入转速为ns，因此太阳轮的转频为fs＝ns/60，啮合频率为其中zr为齿圈的齿数，zs为太阳轮的齿数。由此可以得到太阳轮啮合频率与转速之间的关系由于太阳轮的啮合频率幅值大小与转速之间有一定的规律，从而建立起啮合频率幅值大小与转速的关系，得到同理可得到其它部件的啮合频率以及啮合频率幅值大小与转速的关系。假设直升机实际飞行中的振动信号为x(t)，通过信号分离技术得到实际噪声信号w(i)，再通过神经网络学习实际噪声的分布规律得到其均值与方差。步骤3：将步骤2中的转速范围、实际噪声分布规律、各部件啮合频率及其幅值大小与转速的关系作为生成对抗网络模型的条件输入，随机噪声信号作为输入样本：(1)根据统计分析可确定主减速器的转速范围，将其作为生成对抗网络的第一个条件信息。(2)由于主减速器各部件的啮合频率与转速是线性关系，通过已知转速就能计算得到各部件的啮合频率，将其作为生成对抗网络的第二个条件信息。(3)各部件的啮合频率幅值大小与转速的关系通过数据建模确定关系式的相关系数，然后将其作为生成对抗网络的第三个条件信息。(4)由于直升机在实际飞行中受到多种噪声干扰，一定程度上会影响故障样本频谱，通过学习实际噪声信号的分布规律作为生成对抗网络的第四个条件信息。步骤4：通过生成对抗网络的对抗学习机制不断训练模型，以此在各部件的啮合频率附近生成故障信息，从而生成各种转速范围内的故障样本频谱，具体步骤如下：步骤4.1、将随机噪声信号作为生成对抗网络的输入样本，同时将转速范围、实际噪声分布规律、各部件啮合频率及其幅值大小与转速的关系作为生成对抗网络的条件信息；步骤4.2、通过生成对抗网络的对抗学习机制交替训练生成器和分类器，其目标函数为：其中zm为随机噪声信号，分别为条件信息；步骤4.3、当生成的样本频谱无限接近于真实样本频谱时，生成对抗网络的损失函数收敛，达到纳什均衡，从而能够生成各种转速范围内的故障样本频谱。本文档来自技高网...

【技术保护点】
1.直升机主减速器故障样本生成方法，其特征在于，故障样本生成的整体思路，具体包括以下步骤：步骤1：获取主减速器大量正常状态以及少量故障状态下的振动信号，其具体步骤如下：步骤1.1、利用三个加速度传感器分别采集主减速器轴向、径向和垂直三个通道的振动信号，选择垂直通道的振动信号作为输入信号；步骤1.2、利用信号处理技术对振动信号进行分离，得到去噪后的振动信号和实际噪声信号；步骤1.3、对去噪后的振动信号进行FFT变换得到样本频谱。步骤2：利用速度传感器测得主减速器的大量转速，根据统计分析确定转速变化范围，然后依据理论公式计算得到各部件的啮合频率，并建立各部件的啮合频率幅值大小与转速变化的关系，同时学习实际噪声信号的分布规律得到其均值和方差。步骤3：随机噪声信号作为生成对抗网络的输入样本，将步骤2中的转速范围、实际噪声分布规律、各部件啮合频率及其幅值大小与转速的关系作为故障样本频谱生成条件输入至生成对抗网络模型，转速在一定范围内随机取值。步骤4：通过生成对抗网络的对抗学习机制不断训练生成器和判别器，以此在各部件的啮合频率附近生成故障信息，从而生成大量转速范围内的故障样本频谱。

【技术特征摘要】
1.直升机主减速器故障样本生成方法，其特征在于，故障样本生成的整体思路，具体包括以下步骤：步骤1：获取主减速器大量正常状态以及少量故障状态下的振动信号，其具体步骤如下：步骤1.1、利用三个加速度传感器分别采集主减速器轴向、径向和垂直三个通道的振动信号，选择垂直通道的振动信号作为输入信号；步骤1.2、利用信号处理技术对振动信号进行分离，得到去噪后的振动信号和实际噪声信号；步骤1.3、对去噪后的振动信号进行FFT变换得到样本频谱。步骤2：利用速度传感器测得主减速器的大量转速，根据统计分析确定转速变化范围，然后依据理论公式计算得到各部件的啮合频率，并建立各部件的啮合频率幅值大小与转速变化的关系，同时学习实际噪声信号的分布规律得到其均值和方差。步骤3：随机噪声信号作为生成对抗网络的输入样本，将步骤2中的转速范围、实际噪声分布规律、各部件啮合频率及其幅值大小与转速的关系作为故障样本频谱生成条件输入至生成对抗网络模型，转速在一定范围内随机取值。步骤4：通过生成对抗网络的对抗学习机制不断训练生成器和判别器，以此在各部件的啮合频率附近生成故障信息，从而生成大量转速范围内的故障样本频谱。2.根据权利要求1所述的直升机主减速器故障样本生成方法，其特征在于，所述步骤2中根据统计分析确定转速变化范围，然后依据理论公式计算得到各部件的啮合频率，并建立各部件啮合频率幅值大小与转速变化的关系，具体步骤如下：(1)对测得主减速器大量正常样本的转速进行统计分析得到变化范围，将其作为样本频谱生成的条件信息；(2)以太阳轮为例，假设其输入转速为ns，因此太阳轮的转频为fs＝ns/60，啮合频率为由此得到太阳轮啮合频率与转速之间的关系为同理...

【专利技术属性】
技术研发人员：王友仁，金棋，谢明佐，
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