基于小波包熵和高阶统计量的发动机气路故障诊断方法技术

本发明专利技术公开了基于小波包熵和高阶统计量的发动机气路故障诊断方法，针对发动机气路故障信号进行处理分析，计算发送机气路故障信号位于各频段的小波包熵，基于各频段的小波包熵进行高阶统计量检测以得到故障判断特征值，并将故障判断特征值与标准阈值进行比对以判断发动机气路是否发生故障；本发明专利技术利用小波包熵对发动机气路故障信号进行特征提取，能同时对信号的低频和高频进行分解，具有更高的时频分辨率；然后利用高阶统计量对提取的特征值进行发动机气路故障诊断，对非高斯、非平稳的故障信号具有较高的诊断正确率，对后续的寿命预测等健康管理具有积极意义。等健康管理具有积极意义。等健康管理具有积极意义。

【技术实现步骤摘要】
基于小波包熵和高阶统计量的发动机气路故障诊断方法


[0001]本专利技术属于发动机气路检测的
，涉及基于小波包熵和高阶统计量的发动机气路故障诊断方法。

技术介绍

[0002]航空发动机的气路部件由于存在较多精细结构，且长期工作在高温、高压、变载荷、大应力等恶劣工况下，极易发生性能退化和出现如叶片烧灼、疲劳破坏等故障，以至引发成整个装备的故障造成巨大损失，气路部件已被公认为是航空发动机的主要故障源。气路部件的可靠性不仅事关发动机的利用效率和运行成本，而且事关装备运行安全和人员生命安全，据统计，我国近十年的飞行事故中，由发动机导致的故障占机械和机务故障的60％以上，其中气路部件故障约占90％，它们不仅带来昂贵的维修费用，而且往往引起极其恶劣的重大事故，因此需要对发动机气路部件状态进行在线检测。

技术实现思路

[0003]本专利技术的目的在于提供基于小波包熵和高阶统计量的发动机气路故障诊断方法，基于发动机气路故障的小波包熵，基于各频段的小波包熵进行高阶统计量检测以得到故障判断特征值，并将故障判断特征值与标准阈值进行比对以判断发动机气路是否发生故障，能够
[0004]本专利技术通过下述技术方案实现：
[0005]基于小波包熵和高阶统计量的发动机气路故障诊断方法，针对发动机气路故障信号进行处理分析，计算发送机气路故障信号位于各频段的小波包熵，基于各频段的小波包熵进行高阶统计量检测以得到故障判断特征值，并将故障判断特征值与标准阈值进行比对以判断发动机气路是否发生故障。
[0006]为了更好地实现本专利技术，进一步的，基于各频段的小波包熵进行高阶统计量检测以得到故障判断特征值的具体步骤为：
[0007]步骤B1、将待检测的小波包熵分为K段单元，每一个单元中包含M个样本数据，然后计算小波包熵的DFT系数；
[0008]步骤B2、计算DFT系数的三重相关的双谱中间变量；
[0009]步骤B3、根据双谱中间变量计算双谱；
[0010]步骤B4、根据双谱计算故障判断特征值；
[0011]步骤B5、确定标准阈值Th，并将故障判断特征值T与标准阈值Th进行比对，若T≤Th，则判断发动机气路正常；若T＞Th则判断发动机气路故障。
[0012]为了更好地实现本专利技术，进一步的，所述步骤B1中计算DFT系数的公式如下：
[0013][0014]其中：WPE
i
(λ)表示第i段单元中第λ个样本数据的小波包熵，
j为虚数单位。
[0015]为了更好地实现本专利技术，进一步的，所述步骤B2中计算双谱中间变量的公式如下：
[0016][0017]其中：
[0018]b
i
(λ1，λ2)为第i段单元双谱中间变量，0≤λ2≤λ1，f
s
为采样频率；
[0019]N0为采样点数；Δ0为频率抽样间隔；k1、k2为变量；i＝1，2，
…
K；λ1、λ2为变量。
[0020]为了更好地实现本专利技术，进一步的，所述步骤B3中计算双谱的公式如下：
[0021][0022]其中：B
i
(ω1，ω2)为第i段单元双谱；b
i
(ω1，ω2)为第i段单元双谱中间变量；ω1、ω2为角频率，且为了更好地实现本专利技术，进一步的，所述步骤B4中计算故障判断特征值的公式如下：
[0023][0024]其中：T为故障判断特征值。
[0025]为了更好地实现本专利技术，进一步的，各频段的小波包熵的计算步骤为：
[0026]步骤A1、将发动机气路故障信号进行J层小波包分解，得到2J个频段的小波包信号；
[0027]步骤A2、对2J个频段的小波包信号进行小波包系数重构得到2J个小波包重构信号；
[0028]步骤A3、计算2J个频段的小波包重构信号的功率谱能量，根据功率谱能量计算2J个频段的小波包重构信号的能量分率；
[0029]步骤A4、根据能量分率计算2J个频段的小波包熵。
[0030]为了更好地实现本专利技术，进一步的，所述步骤A2中小波包系数重构的公式如下：
[0031][0032]其中：
[0033]为第J层第k个节点的第i个信号的小波包重构信号；f(t)为输入的小波包信号；为第J层第k个节点的第i个信号的小波包分解结果；t为时间变量；i＝1，2，
…
N。
[0034]为了更好地实现本专利技术，进一步的，所述步骤A3中功率谱能量的计算公式如下：
[0035][0036]其中：E(k)为第k个频段的小波包的功率能量谱；
[0037]所述步骤A3中能量分率的计算公式如下：
[0038][0039]其中：P
k
为第k个频段的小波包的能量分率。
[0040]为了更好地实现本专利技术，进一步的，所述步骤A4中小波包熵的计算公式如下：
[0041][0042]本专利技术与现有技术相比，具有以下优点及有益效果：
[0043]本专利技术利用小波包熵对发动机气路故障信号进行特征提取，能同时对信号的低频和高频进行分解，具有更高的时频分辨率；然后利用高阶统计量对提取的特征值进行发动机气路故障诊断，对非高斯、非平稳的故障信号具有较高的诊断正确率，对后续的寿命预测等健康管理具有积极意义。
附图说明
[0044]图1为本专利技术的流程步骤示意图。
具体实施方式
[0045]实施例1：
[0046]本实施例的基于小波包熵和高阶统计量的发动机气路故障诊断方法，针对发动机气路故障信号进行处理分析，发动机气路故障信号通过发动机气路静电检测装置向发动机气路施加静电并通过传感器采集得到。计算发送机气路故障信号位于各频段的小波包熵，基于各频段的小波包熵进行高阶统计量检测以得到故障判断特征值，并将故障判断特征值与标准阈值进行比对以判断发动机气路是否发生故障。
[0047]如图1所示，基于各频段的小波包熵进行高阶统计量检测以得到故障判断特征值的具体步骤为：
[0048]各频段的小波包熵的计算步骤为：
[0049]步骤A1、将发动机气路故障信号进行J层小波包分解，得到2J个频段的小波包信号；
[0050]步骤A2、对2J个频段的小波包信号进行小波包系数重构得到2J个小波包重构信号；
[0051]步骤A3、计算2J个频段的小波包重构信号的功率谱能量，根据功率谱能量计算2J个频段的小波包重构信号的能量分率；
[0052]步骤A4、根据能量分率计算2J个频段的小波包熵。
[0053]步骤B1、将待检测的小波包熵分为K段单元，每一个单元中包含M个样本数据，然后计算小波包熵的DFT系数；
[0054]步骤B2、计算DFT系数的三重相关的双谱中间变量；
[0055]步骤B3、根据双谱中间变量计算双谱；
[0056]步骤B4、根据双谱计算故障判断特征值；
[0057]步骤B5、确定标准阈值本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于小波包熵和高阶统计量的发动机气路故障诊断方法，针对发动机气路故障信号进行处理分析，其特征在于，计算发送机气路故障信号位于各频段的小波包熵，基于各频段的小波包熵进行高阶统计量检测以得到故障判断特征值，并将故障判断特征值与标准阈值进行比对以判断发动机气路是否发生故障。2.根据权利要求1所述的基于小波包熵和高阶统计量的发动机气路故障诊断方法，其特征在于，基于各频段的小波包熵进行高阶统计量检测以得到故障判断特征值的具体步骤为：步骤B1、将待检测的小波包熵分为K段单元，每一个单元中包含M个样本数据，然后计算小波包熵的DFT系数；步骤B2、计算DFT系数的三重相关的双谱中间变量；步骤B3、根据双谱中间变量计算双谱；步骤B4、根据双谱计算故障判断特征值；步骤B5、确定标准阈值Th，并将故障判断特征值T与标准阈值Th进行比对，若T≤Th，则判断发动机气路正常；若T＞Th则判断发动机气路故障。3.根据权利要求2所述的基于小波包熵和高阶统计量的发动机气路故障诊断方法，其特征在于，所述步骤B1中计算DFT系数的公式如下：其中：WPE
i
(λ)表示第i段单元中第λ个样本数据的小波包熵，λ＝0，1，
…
i＝1，2，
…
K；n＝1，2，
…
，M
‑
1；j为虚数单位。4.根据权利要求2所述的基于小波包熵和高阶统计量的发动机气路故障诊断方法，其特征在于，所述步骤B2中计算双谱中间变量的公式如下：其中：b
i
(λ1，λ2)为第i段单元双谱中间变量，且0≤λ2≤λ1，f
s
为采样频率；N0为采样点数；Δ0为频率抽样间隔；k1、k2为变量；i＝1，2，
…
K；λ1、λ2为变量。5.根据权利要求2所述的基于小波包熵和高阶统计量的发动机气路故障诊断方法，其特征在于，所述步骤B3中计算双谱的公式如下：其中：B
...

【专利技术属性】
技术研发人员：江玲玲，孙忠湖，葛文庆，何双亮，毛玲阳，李小燕，贾先见，廖其林，
申请(专利权)人：四川泛华航空仪表电器有限公司，
类型：发明
国别省市：