[發明專利]一種航空發動機軸承故障診斷方法

有效

• 申請號: 201611018992.6
• 申請日: 2016-11-17
• 公開（公告）號: CN107036816B
• 公開（公告）日: 2019-06-11
• 發明（設計）人: 陳志強;劉傳文;李川;陳旭東;劉杰;喻其炳;白云;姚行艷;余婷梃
• 申請（專利權）人: 重慶工商大學
• 主分類號: G01M13/04
• 分類號: G01M13/04;G01M13/045
• 代理公司: 北京國坤專利代理事務所(普通合伙) 11491
• 代理人: 姜彥

1.一種航空發動機軸承故障診斷方法，其特征在于，所述航空發動機軸承故障診斷方法包括以下步驟：

首先通過采集渦噴發動機的振動信號、發動機轉速、發動機排氣溫度、燃油流量、發動機推力5種信號；提取各種信號的經典的時域統計學特征、頻域特征，以及基于小波包分解獲得時頻域特征；

然后分別對各種信號的特征參數采用深度波爾曼茲機進行特征學習；接下來采用數據融合技術將深度波爾曼茲機學習到的各源特征進行融合；

最后將融合后的特征參數作為分類器支持向量機的輸入，對發動機故障進行分類識別；

所述時域統計學特征包括：

有量綱參數，包括：平均值、均方根值、方差、方根幅值、峰值、峭度、偏度；

無量綱參數，包括：波形指標、峰值指標、脈沖指標、裕度指標、峭度指標；

所述頻域特征提取包括：應用快速傅里葉變換時域信號，獲得頻域參數；頻域特征參數包括：均值、方差、標準方差、偏度、峭度、中心頻率、均方根值；均方根值，指的是在指定頻帶的頻率幅值均方根值；

所述基于小波包分解提取時頻域特征：每個小波包分解中，分解級數為6，也就是說獲得2⁶個小波系數；每個小波系數的能量被計算，每個母小波共計2⁶個小波系數的能量組成一個特征向量，表征故障狀態特征。

2.如權利要求1所述的航空發動機軸承故障診斷方法，其特征在于，所述深度波爾曼茲機的能量函數定義如下：

式中，v表示可視層；h⁽¹⁾，…，h^(L)表示L個隱藏層；模型參數θ＝{W，a，b}，其中W表示網絡間的連接權值矩陣，a表示可視層的偏值，b表示隱藏層的偏值；n_v表示可視層神經元數，n_hl表示第l隱藏層的神經元數。

3.如權利要求1所述的航空發動機軸承故障診斷方法，其特征在于，所述特征學習過程如下：

a)將特征數據輸入第一個受限波爾曼茲機RBM₁，假設其可視層為v，采用一步對比散度算法，基于重構的可視層矢量中場值，學習計算得到隱藏層第一層h⁽¹⁾、層間自頂向下的連接權值W⁽¹⁾，層間自底向上的連接權值矩陣為2W⁽¹⁾；

b)凍結RBM₁的自底向上的連接權值矩陣為2W⁽¹⁾，按照條件概率P(h⁽¹⁾|v；2W⁽¹⁾)抽樣，提取特征h⁽¹⁾作為第一個受限波爾曼茲機RBM₂的輸入；RBM₂自頂向下和自底向上兩個方向的連接權值都為2W⁽²⁾，基于重構的可視層矢量中場值，采用一步對比散度算法，訓練RBM₂；

c)凍結RBM₂的連接權值矩陣為2W⁽²⁾，按照條件概率P(h⁽²⁾|v；2W⁽¹⁾，2W⁽²⁾)抽樣提取特征h⁽²⁾，作為RBM₃的輸入，訓練方式同步驟b)；

d)步驟c)進行遞歸處理，直到L-1層，L指深度波爾曼茲機的隱藏層數；

e)使用一步對比散度算法訓練頂層的受限波爾曼茲機RBM，約束條件為：自底向上的連接權重為W^(L)，自頂向下的連接權重為2W^(L)；

f)使用連接權值{W⁽¹⁾，W⁽²⁾，...，W^(L)}，構建一個深度波爾曼茲機；

g)利用構建好的深度波爾曼茲機進行特征提取。

4.如權利要求1所述的航空發動機軸承故障診斷方法，其特征在于，采用多特征參數數據融合算法，對提取的各種模態特征進行特征融合。

5.一種利用權利要求1～4任意一項所述航空發動機軸承故障診斷方法的航空發動機軸承。