[发明专利]一种航空发动机结构类故障的智能诊断方法

摘要

一种多技术融合航空发动机故障智能诊断方法，通过数据分析方法对故障数据样本进行识别，匹配出故障库中与待诊样本相似度不低于判断值的故障作为疑似故障。依据典型故障因子决策表，对所有疑似故障进行多轮筛选，得出可能性最大的有限个主要疑似故障。利用模式识别算法，对主要疑似故障进行模式识别，识别时的学习训练样本来自于故障样本数据特征库中的故障数据特征，识别时的识别对象为待识别样本的特征，并对识别结果进行一次或多次动力学特征检验。本发明能够有选择性地确定模式识别的学习对象，缩小学习范围，查全率η从1降为33％。学习时间从90s减少到了19s。通过检验环节，对识别结果进行检验，将干扰信号的虚警概率由33％将为0。

主权项

1.一种航空发动机结构类故障的智能诊断方法，其特征在于，具体过程是：步骤1：构建故障库：针对不平衡、不对中和转静碰磨三种故障构建故障库；所构建的故障库是针对所述三种故障的原始故障数据与故障现象进行分析，得到三种故障的数据特征和动力学特点，并储存在故障库中；对不平衡、不对中和转静碰磨三种故障原始数据进行动力学分析，得到三种故障现象的动力学特点；步骤2：获取待诊样本数据，并进行待诊样本现象的动力学分析；采用融合能量法对获得的数据进行分析，在该融合能量法中，转子的涡动在各谐波下的运动轨迹是一些列的椭圆，定义谐波的长半轴Ra的值与短半轴Rb的值平方之和为转子该谐波的融合能量G；步骤3：根据待诊样本p1动力学特点在故障库中找出疑似故障：对待诊样本数据进行待诊样本现象的动力学分析，得到待诊样本动力学特点；所述根据待诊样本p1动力学特点在故障库中找出疑似故障是依据待诊样本p1的特点，采用相似度判别方法，对于待诊样本p1的每一个特点进行相似度分析，确定该特点属于故障库中哪些故障；对所述待诊样本p1的所有特点进行相似度计算，确定该待诊样本p1的疑似故障；步骤4：对疑似故障依次进行多轮筛选，得出主要疑似故障：步骤5：对于主要疑似故障进行模式识别，确认故障种类：根据待诊样本p1的数据特征，通过模式识别算法进行模式识别，得到待诊样本p1的识别结果；步骤6：对得到的识别结果进行检验：根据检验规则对步骤5种得到的待诊样本p1的故障类型进行识别结果检验；所述的检验规则为：Ⅰ待诊样本数据中，转速变为原来的x倍，振动幅值变为原来的x2倍；Ⅱ待诊样本反映出的进动方向为正进动；按照规则Ⅰ，输入步骤2获取的待诊样本p2；P2，P1幅值相同；检验结果是待诊样本p1不满足第一条规则；按照规则Ⅱ，待诊样本p1为交流电干扰信号，不满足第二条规则；步骤7：不平衡故障的判定：将步骤6中得到的P1的检验结果与所述不平衡故障具有的特点对比；对比结果是二者不同，故判定该待诊样本p1和待诊样本p2均不是不平衡故障，不会产生故障报警；至此，完成了对航空发动机结构类故障的智能诊断。