一种航空发动机中介轴承故障诊断方法技术

本发明专利技术提供一种航空发动机中介轴承故障诊断方法，涉及航空发动机技术领域。首先将振动信号通过CEEMDAN算法分解并通过由相关系数、能量比、峭度组成的K<subgt;r</subgt;准则筛选信号分量进行重构，可以有效去除无关分量，避免了通过单一指标选择的信号分量的片面性，达到抑制背景噪声的目的；其次对重构信号进行重叠样本分割，并计算各样本的21个特征数值，将特征数值构成特征矩阵导入深度极限学习机DELM；最后利用蜣螂算法DBO优化的DELM对故障模式进行故障分类；实践表明，经过该方法去噪得到的信号有效的抑制了噪声的干扰，并具有较高的诊断准确率。

【技术实现步骤摘要】

本专利技术涉及航空发动机，尤其涉及一种航空发动机中介轴承故障诊断方法。

技术介绍

1、滚动轴承在旋转机械甚至是现代制造业中发挥着重要作用，但轴承在运行过程中容易受到负载、摩擦和阻尼的影响，从而发生故障，其故障时的工作状态可能会影响整个机器运转的性能和安全性，因此研究滚动轴承的故障检测技术和诊断方法是具有实际意义的。

2、目前，航空发动机轴承的故障诊断问题正向着智能化的方向发展，神经网络由于拥有较强的自适应、自学习、非线性分类能力相比传统的人工故障诊断有着更高的效率并具有良好的鲁棒性，因而得到了广泛的应用。

3、传统的故障诊断方法一定程度上依赖专业技术人员的经验判断，当故障信息不全时，故障诊断的精度就难以保证，可能造成误诊。现有技术中，传统极限学习机elm模型的权重为随机设置致使诊断精度不高、结果不稳定、诊断准确率受限于测点位置，诊断中介轴承故障的能力较弱；elm与自编码器ae相结合组成的深度极限学习机delm分类性能很大程度上取决于网络参数的选取，但手动调节网络的参数不仅十分繁琐而且很难确定最佳的网络参数；粒子群算法pso、灰狼算法本文档来自技高网...

【技术保护点】

1.一种航空发动机中介轴承故障诊断方法，其特征在于：所述方法包括以下步骤：

2.根据权利要求1所述的航空发动机中介轴承故障诊断方法，其特征在于：所述步骤2中的信号分量为IMF分量，采用CEEMDAN算法对采集得到的滚动轴承振动信号进行分解，分解出不同的IMF信号分量。

3.根据权利要求2所述的航空发动机中介轴承故障诊断方法，其特征在于：所述步骤3的具体方法为：

4.根据权利要求3所述的航空发动机中介轴承故障诊断方法，其特征在于：所述步骤4中提取重构信号时频域中的多种特征值包括重构信号时频域中的最大值、最小值、峰值、峰峰值、平均幅值、方根幅值、均值、均方...

【技术特征摘要】

1.一种航空发动机中介轴承故障诊断方法，其特征在于：所述方法包括以下步骤：

2.根据权利要求1所述的航空发动机中介轴承故障诊断方法，其特征在于：所述步骤2中的信号分量为imf分量，采用ceemdan算法对采集得到的滚动轴承振动信号进行分解，分解出不同的imf信号分量。

3.根据权利要求2所述的航空发动机中介轴承故障诊断方法，其特征在于：所述步骤3的具体方法为：

4.根据权利要求3所述的航空发动机中介轴承故障诊断方法，其特征在于：所述步骤4中提取重构信号时频域中的多种特征值包括重构信号时频域中的最大值、最小值、峰值、峰峰值、平均幅值、方根幅值...

【专利技术属性】
技术研发人员：栾孝驰，汤捷中，沙云东，王胜红，赵奉同，
申请(专利权)人：沈阳航空航天大学，
类型：发明
国别省市：