【技术实现步骤摘要】
一种基于残差网络的航空发动机滚动轴承故障诊断方法
[0001]本申请属于航空发动机故障诊断领域,特别涉及一种基于残差网络的航空发动机滚动轴承故障诊断方法。
技术介绍
[0002]滚动轴承故障是旋转机械最常见的故障之一。以航空发动机为代表的旋转机械,通常运行在高温、高压、高转速、高负载等极端恶劣的环境之中,从而导致滚动轴承故障频发,轻则系统失效,造成经济损失,重则机毁人亡,严重威胁飞行安全。因此,这类系统一般不能够“带病”进行作业,且对于航空发动机而言,其早期故障特征非常微弱,很难实现故障的精确诊断。鉴于此,为了避免航空发动机滚动轴承故障的发生,有效实施航空发动机滚动轴承故障诊断,尽早发现滚动轴承故障征兆势在必行。
[0003]为应对中介主轴承故障突出的现状,我国为外场配备了诸如瓦吉姆振动检查仪、滑油光谱分析、铁谱和自动磨粒分析等设备,用于主轴承故障预防。但在效率方面,当前地面监控手段存在时效性差的问题,不能及时的发现关键部件的早期故障征兆,通过加大外场的维护工作来保证做到故障的早发现、早解决。在成本方面。现在配备于空军基地的瓦吉姆振动检查仪对发动机滚动轴承的故障诊断也出现了严重的虚假告警,造成了大量不必要的过剩维修,使得维修维护成本过高、人员操作强度大。在技术方面,当前的诊断技术存在诊断精度不高的问题,且诸如光谱、铁谱等分析技术直接或间接依靠操作人员的经验进行判断,进一步限制了这种技术的应用。
[0004]另外,由于航空发动机结构复杂,振动激励源较多,噪声较大,从主轴承到机匣测点的传递路径很长,使得轴 ...
【技术保护点】
【技术特征摘要】
1.一种基于残差网络的航空发动机滚动轴承故障诊断方法,其特征在于,包括:S1、获取航空发动机轴承故障试验模型,进行航空发动机轴承故障试验,并采集振动加速度信号;S2、构建残差网络模型;S3、按照不同的故障类型对所述振动加速度信号进行标注;S4、对标注后的振动加速度信号进行傅里叶变换,获取频谱图,并将所述频谱图作为所述残差网络模型的输入;S5、将原始振动加速度信号划分为训练集和测试集,对所述残差网络模型进行训练;S6、通过训练好的残差网络模型实现发动机滚动轴承的故障诊断。2.根据权利要求1所述的基于残差网络的航空发动机滚动轴承故障诊断方法,其特征在于,所述航空发动机轴承故障试验模型包括:1:3比例的等比例缩减发动机,以及6206单列深沟球轴承,其中,在1:3比例的等比例缩减发动机上布置测点,在测点处安装振动加速度传感器,所述振动加速度传感器与数据采集器连接;在轴承外圈加工有6mm宽的裂痕;在轴承内圈加工有6mm宽的裂痕;在轴承滚动体加工有半径为0.5mm、深度为2mm的凹陷。3.根据权利要2所述的基于残差网络的航空发动机滚动轴承故障诊断方法,其特征在于,步骤S1中,设置数据的采样频率大于10KHz,实时采集振动加速度信号,单个数据样本的采样时长为1秒。4.根据权利要3所述的基于残差网络的航空发动机滚动轴承故障诊断方法,其特征在于,步骤S1中,在1:3比例的等比例缩减发动机的测点处安装有转速测量仪,所述转速测量仪与数据采集器连接,试验转速为1500r/min、1800r/min、2000r/min、2400r/min。5.根据权利要求4所述的基于残差网络的航空发动机滚动轴承故障诊断方法,其特征在于,步骤S2中,所述构建残差网络模型,包括:S21、构建四层残差网络模型:其中,x为网络的输入,f(x)为经过卷积、批归一化、激活函数变换后得到映射函数,n为当前网络层,N为网络总层数,w为网络中神经元参数;S22、构建联合损失函数,并基于梯度下降法进行网络参数更新,包括:设置L为四层残差网络模型的联合损失值,则联合损失函数为:其中,D
i
为第i个真实样本的one
‑
hot编码标签,D*
i
为第i个输出类别,λ为损失权重,其中I=4。6.根据权利要求5所述的基于残差网络的航空发动机滚动轴承故障...
【专利技术属性】
技术研发人员:吴英祥,王理,康玉祥,黄海,冯国全,杜少辉,陈果,
申请(专利权)人:中国航发沈阳发动机研究所,
类型:发明
国别省市:
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。