【技术实现步骤摘要】
本专利技术属于航空发动机故障识别与诊断，尤其涉及一种基于振动信号的航空发动机转子系统故障诊断方法。
技术介绍
1、转子系统作为航空发动机核心部件，是故障易发部位，这类故障对航空发动机性能、飞行可靠性等有着严重影响。常见的转子系统故障包括质量偏心或部件缺损引起的不平衡、轴系不对中、以及转子-静子碰摩等模式。针对转子系统的故障模式，常见的故障诊断流程通常包括：数据采集、信号处理与特征提取、模式识别三个步骤。
2、研究人员常从时频域的角度进行信号处理与特征提取的工作，常见的分析方法如：提取信号的峰值，峭度等时频域特征、傅里叶变换、小波变换、经验模态分解(empiricalmode decomposition,emd)等；然后利用神经网络、支持向量机等软计算方法对所处理信号或所提取特征进行模式识别并分类，其中基于深度学习的人工神经网络能够将故障诊断中特征提取与特征识别有效结合，自动从数据中提取特征并进行识别。
3、在实际工程中，随着工作状态的改变，所监测的振动信号除了会在时频域上发生变化，往往还包含了许多未知来源的干扰信号，这些数据可能隐含了某些故障的特征，难以忽视其不确定程度。而现有基于振动信号的航空发动机转子系统故障诊断技术难以对这些时频域变化或包含未知干扰的振动信号进行有效处理，影响了故障识别和诊断的准确性。
技术实现思路
1、本专利技术所要解决的技术问题在于克服现有技术不足，提供一种基于振动信号的航空发动机转子系统故障诊断方法，基于eemd与功率谱熵融合的方
2、本专利技术具体采用以下技术方案解决上述技术问题：
3、一种基于振动信号的航空发动机转子系统故障诊断方法，对航空发动机转子系统的振动信号进行预处理，并将预处理后的振动信号输入神经网络故障诊断模型，得到航空发动机转子系统故障诊断结果；所述预处理方法具体如下：
4、先使用eemd方法对航空发动机转子系统的振动信号进行分解，得到一组imf分量以及一个余项；然后对功率谱熵大于功率谱熵阈值的各imf分量分别进行降噪处理；最后将降噪处理后的各imf分量与其余imf分量以及余项重构。
5、优选地，使用小波阈值降噪方法进行所述降噪处理。
6、优选地，所述功率谱熵阈值为所有imf分量的功率谱熵的平均值或中位数。
7、优选地，所述神经网络故障诊断模型为cnn神经网络。
8、基于同一专利技术构思还可以得到以下技术方案：
9、一种基于振动信号的航空发动机转子系统故障诊断装置，包括：用于对航空发动机转子系统的振动信号进行预处理的预处理单元以及神经网络故障诊断模型；所述预处理单元包括：
10、eemd分解模块，用于先使用eemd方法对航空发动机转子系统的振动信号进行分解，得到一组imf分量以及一个余项；
11、功率谱熵计算模块，用于分别计算各imf分量的功率谱熵；
12、降噪模块，用于对功率谱熵大于功率谱熵阈值的各imf分量分别进行降噪处理；信号重构模块，用于将降噪处理后的各imf分量与其余imf分量以及余项重构。
13、优选地，降噪模块使用小波阈值降噪方法进行所述降噪处理。
14、优选地，所述功率谱熵阈值为所有imf分量的功率谱熵的平均值或中位数。
15、优选地，所述神经网络故障诊断模型为cnn神经网络。
16、相比现有技术，本专利技术技术方案具有以下有益效果：
17、本专利技术基于功率谱熵对eemd分解得到的imf分量中的信息量进行定量筛选，对其中包含噪声组分较多的imf分量进行额外的降噪处理，然后进行信号重构，可同步实现故障特征增强与噪声消除的效果，更有利于后续故障模式的识别，可有效消除时频域变化和未知干扰等影响，提高故障诊断的准确率。
本文档来自技高网...【技术保护点】
1.一种基于振动信号的航空发动机转子系统故障诊断方法，对航空发动机转子系统的振动信号进行预处理，并将预处理后的振动信号输入神经网络故障诊断模型，得到航空发动机转子系统故障诊断结果；其特征在于，所述预处理方法具体如下：
2.如权利要求1所述基于振动信号的航空发动机转子系统故障诊断方法，其特征在于，使用小波阈值降噪方法进行所述降噪处理。
3.如权利要求1所述基于振动信号的航空发动机转子系统故障诊断方法，其特征在于，所述功率谱熵阈值为所有IMF分量的功率谱熵的平均值或中位数。
4.如权利要求1所述基于振动信号的航空发动机转子系统故障诊断方法，其特征在于，所述神经网络故障诊断模型为CNN神经网络。
5.一种基于振动信号的航空发动机转子系统故障诊断装置，包括：用于对航空发动机转子系统的振动信号进行预处理的预处理单元以及神经网络故障诊断模型；其特征在于，所述预处理单元包括：
6.如权利要求5所述基于振动信号的航空发动机转子系统故障诊断装置，其特征在于，降噪模块使用小波阈值降噪方法进行所述降噪处理。
7.如权利要求5所述基
8.如权利要求5所述基于振动信号的航空发动机转子系统故障诊断装置，其特征在于，所述神经网络故障诊断模型为CNN神经网络。
...【技术特征摘要】
1.一种基于振动信号的航空发动机转子系统故障诊断方法，对航空发动机转子系统的振动信号进行预处理，并将预处理后的振动信号输入神经网络故障诊断模型，得到航空发动机转子系统故障诊断结果；其特征在于，所述预处理方法具体如下：
2.如权利要求1所述基于振动信号的航空发动机转子系统故障诊断方法，其特征在于，使用小波阈值降噪方法进行所述降噪处理。
3.如权利要求1所述基于振动信号的航空发动机转子系统故障诊断方法，其特征在于，所述功率谱熵阈值为所有imf分量的功率谱熵的平均值或中位数。
4.如权利要求1所述基于振动信号的航空发动机转子系统故障诊断方法，其特征在于，所述神经网络故障诊断模型为cnn...
【专利技术属性】
技术研发人员：席俊杰，汪勇，顾江威，张海波，谢明川，
申请(专利权)人：南京航空航天大学，
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。