论文部分内容阅读
民航发动机属于多发故障航空机械设备,对发动机进行故障诊断可以避免灾难性故障,保障飞行安全。然而民航发动机个体差异大、故障样本少、数据复杂等问题导致现有的故障诊断方法难以满足航空公司的需求。因此,开发出能适用于民航发动机故障诊断的方法具有重大意义。本文针对基于深度特征挖掘的民航发动机气路故障诊断技术进行研究。首先,针对性能参数中存在的随机噪声和粗大误差,展开民航发动机气路参数预处理方法的研究。提出使用格拉布斯准则对分组后的参数进行粗大误差去除的方法。采用基于经验模态分解和奇异值分解的去噪方法对去除粗大误差后的参数序列进行去噪处理:利用经验模态分解方法提取参数序列中的趋势项,并提出基于相关性的趋势项提取方法;然后利用奇异值分解方法对去除趋势项的参数序列进行去噪。最后采用模拟信号和发动机实际排气温度裕度序列对上述方法进行验证,证明上述方法对民航发动机气路参数进行粗大误差处理和降噪处理的有效性。其次,研究基于SDAE特征挖掘的民航发动机气路故障诊断方法。根据对发动机客户通知报告的分析,在发生故障时性能参数会发现明显的变化。为了提取性能参数变化的特征,本文利用堆叠去噪自动编码器建立发动机状态特征提取模型,并提出一种基于单个去噪自动编码器特征提取能力的SDAE模型隐藏层节点数确定方法。而后利用建立的特征提取模型对故障样本进行特征挖掘,并将其作为支持向量机的输入,进行故障诊断。将该方法应用于民航发动机多种气路故障分类中,实验证明该方法具有较高的诊断精度。然后,本文研究基于CNN特征挖掘的民航发动机气路故障诊断方法。通过对民航发动机实际气路故障数据进行分析,参数间的变化关系对故障诊断也有着重大影响。为了同时考虑参数间相关性和时间序列性,本文利用卷积神经网络建立发动机状态特征提取模型,而后利用该模型对故障样本进行特征挖掘,并将其作为支持向量机的输入,进行故障诊断。将该方法应用于民航发动机多种气路故障分类中,结果证明该方法具有较好的诊断能力。然后分析卷积神经网络结构参数对诊断能力的影响。最后,结合本文的研究内容,在“可定制的航空发动机健康管理与维修决策支持系统”基础平台上,设计并开发民航发动机气路故障诊断核心业务构件,为民航发动机气路参数预处理、故障诊断工作提供技术支持。