航空发电机故障特征提取方法、系统、介质及计算设备技术方案

本发明专利技术公开了一种航空发电机故障特征提取方法、系统、介质及计算设备，本发明专利技术对诊断信号进行模态分解，构建各故障模式下的频带能量向量，通过频带能量对比获取故障特征，实现了自适应地提取故障特征，快捷省力，具有很好的鲁棒性，并且有一定的抗噪声能力，有效地提高航空发电机故障诊断正确率。航空发电机故障诊断正确率。航空发电机故障诊断正确率。

【技术实现步骤摘要】
航空发电机故障特征提取方法、系统、介质及计算设备


[0001]本专利技术涉及一种航空发电机故障特征提取方法、系统、介质及计算设备，属于发电机状态监测与故障诊断


技术介绍

[0002]航空发电机是飞机主电源的重要组成部分，它负责为飞机上的雷达、照明等各种机载设备提供电源。航空发电机任何一个环节出现故障，不仅会影响其正常运行，同时有可能会导致飞机不能正常飞行，严重时甚至会造成重大航空事故。因而深入开展航空发电机故障诊断技术的研究，对航空发电机出现的故障做出及时、准确、快速的判断，确保飞机的安全运行，具有极其重要的现实意义以及巨大的经济效益。
[0003]在航空发电机故障诊断领域，目前普遍采用的是信号处理与分析的方法，具体说来，一般都是先采集故障信号，然后利用信号处理技术对采集到的故障信号处理提取故障特征，最后利用分类器实施故障诊断和定位。但是目前的特征提取方法普遍依赖于人工手动提取，耗时费力，受噪声干扰影响较大，从而进一步导致故障诊断准确率不高。

技术实现思路

[0004]本专利技术提供了一种航空发电机故障特征提取方法、系统、介质及计算设备，解决了
技术介绍
中披露的问题。
[0005]为了解决上述技术问题，本专利技术所采用的技术方案是：
[0006]航空发电机故障特征提取方法，包括：
[0007]采集各故障模式的诊断信号；
[0008]采用变分模态分解方法对诊断信号进行模态分解，构建各故障模式下的频带能量向量；其中，在模态分解中，采用模态分量瞬时频率特性优化变分模态分解方法的中心频率及模态分量数量；
[0009]将各故障模式下的频带能量向量进行频带能量对比，选取反映故障情况的若干频带能量构成故障特征。
[0010]故障包括旋转整流器故障、转子绕组故障、定子绕组故障、转轴故障和轴承故障。
[0011]诊断信号包括发电机输出电压信号、交流励磁机励磁电流信号和机身振动信号。
[0012]在模态分解之前，对故障模式的所有诊断信号进行预处理，构建故障模式的诊断信号向量。
[0013]预处理过程为，
[0014]截取诊断信号预设长度的数据片段；
[0015]将同一故障模式下的数据片段组成一列向量；
[0016]对列向量进行归一化处理，获得诊断信号向量。
[0017]采用变分模态分解方法对诊断信号进行模态分解，构建各故障模式下的频带能量向量，具体过程为，
[0018]采用变分模态分解方法对诊断信号进行模态分解，获得各模态分量；
[0019]计算各模态分量的频带能量，构建各故障模式下的频带能量向量。
[0020]采用模态分量瞬时频率特性优化变分模态分解方法的中心频率及模态分量数量，具体过程为：
[0021]截取本次迭代中各模态分量的任意一段信号；
[0022]根据截取信号的瞬时频率，计算作为模态分量瞬时频率特性的瞬时频率的均值，并将其作为下次迭代的中心频率；
[0023]对瞬时频率均值在本次模态分量数量下进行曲线曲率量化分析，若曲线首次出现向下的弯曲，则迭代结束，将上一次迭代的中心频率作为最优中心频率，将上一次模态分量数量作为最优模态分量数量；其中，本次模态分量数量与本次迭代值一致，上一次模态分量数量与上一次迭代值一致。
[0024]航空发电机故障特征提取系统，包括：
[0025]信号采集模块：采集各故障模式的诊断信号；
[0026]分解模块：采用变分模态分解方法对诊断信号进行模态分解，构建各故障模式下的频带能量向量；其中，在模态分解中，采用模态分量瞬时频率特性优化变分模态分解方法的中心频率及模态分量数量；
[0027]对比模块：将各故障模式下的频带能量向量进行频带能量对比，选取反映故障情况的若干频带能量构成故障特征。
[0028]一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行航空发电机故障特征提取方法。
[0029]一种计算设备，包括一个或多个处理器、一个或多个存储器以及一个或多个程序，其中一个或多个程序存储在所述一个或多个存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行航空发电机故障特征提取方法的指令。
[0030]本专利技术所达到的有益效果：本专利技术对诊断信号进行模态分解，构建各故障模式下的频带能量向量，通过频带能量对比获取故障特征，实现了自适应地提取故障特征，快捷省力，具有很好的鲁棒性，并且有一定的抗噪声能力，有效地提高航空发电机故障诊断正确率。
附图说明
[0031]图1为本专利技术方法的流程图；
[0032]图2为模态分量数量的优化结构图。
具体实施方式
[0033]下面结合附图对本专利技术作进一步描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，而不能以此来限制本专利技术的保护范围。
[0034]如图1所示，航空发电机故障特征提取方法，包括以下步骤：
[0035]步骤1，采集各故障模式的诊断信号；
[0036]步骤2，采用变分模态分解方法对诊断信号进行模态分解，构建各故障模式下的频带能量向量；其中，在模态分解中，采用模态分量瞬时频率特性优化变分模态分解方法的中
心频率及模态分量数量；
[0037]步骤3，将各故障模式下的频带能量向量进行频带能量对比，选取反映故障情况的若干频带能量构成故障特征。
[0038]上述方法实现了自适应地提取故障特征，快捷省力，具有很好的鲁棒性，并且有一定的抗噪声能力，有效地提高航空发电机故障诊断正确率。
[0039]在实施上述方法之前，需要对故障进行分析；航空发电机的结构十分复杂，故障种类繁多，通过对航空发电机进行故障模式、影响和危害性分析，确定航空发电机主要故障。
[0040]航空发电机主要故障包括旋转整流器故障、转子绕组故障、定子绕组故障、转轴故障与轴承故障等故障等；其中，每一种故障又可分为不同的故障模式，比如：旋转整流器故障又可分为单管故障、双管故障等故障模式，轴承故障又可分为点蚀、裂纹等故障模式。
[0041]针对不同的故障模式需要采集相应的诊断信号，诊断信号具体包括发电机输出电压信号、交流励磁机励磁电流信号和机身振动信号等，这些信号可分别通过电压传感器、电流传感器、振动传感器采集。
[0042]采集到诊断信号后，需要对其进行预处理，构建故障模式的诊断信号向量，具体过程如下：
[0043]11)截取诊断信号预设长度的数据片段；
[0044]12)将同一故障模式下的数据片段组成一列向量；
[0045]13)对列向量进行归一化处理，获得诊断信号向量；
[0046]例如：假设一故障模式下有3种诊断信号，截取各种诊断信号的数据片段，将三种诊断信号的数据片段组成一列向量，若每个数据片段有200个点，那么该列向量具备600个点；由于3种诊断信号的数据量纲不同，为了使数据具有本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.航空发电机故障特征提取方法，其特征在于，包括：采集各故障模式的诊断信号；采用变分模态分解方法对诊断信号进行模态分解，构建各故障模式下的频带能量向量；其中，在模态分解中，采用模态分量瞬时频率特性优化变分模态分解方法的中心频率及模态分量数量；将各故障模式下的频带能量向量进行频带能量对比，选取反映故障情况的若干频带能量构成故障特征。2.根据权利要求1所述的航空发电机故障特征提取方法，其特征在于，故障包括旋转整流器故障、转子绕组故障、定子绕组故障、转轴故障和轴承故障。3.根据权利要求1所述的航空发电机故障特征提取方法，其特征在于，诊断信号包括发电机输出电压信号、交流励磁机励磁电流信号和机身振动信号。4.根据权利要求1所述的航空发电机故障特征提取方法，其特征在于，在模态分解之前，对故障模式的所有诊断信号进行预处理，构建故障模式的诊断信号向量。5.根据权利要求4所述的航空发电机故障特征提取方法，其特征在于，预处理过程为，截取诊断信号预设长度的数据片段；将同一故障模式下的数据片段组成一列向量；对列向量进行归一化处理，获得诊断信号向量。6.根据权利要求1所述的航空发电机故障特征提取方法，其特征在于，采用变分模态分解方法对诊断信号进行模态分解，构建各故障模式下的频带能量向量，具体过程为，采用变分模态分解方法对诊断信号进行模态分解，获得各模态分量；计算各模态分量的频带能量，构建各故障模式下的频带能量向量。7.根据权利要求1所述的航空发电机故障特征提取方法，其特征在于，采用模态分量瞬...

【专利技术属性】
技术研发人员：崔江，刘繁，张卓然，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：