发动机早期故障诊断方法技术

本发明专利技术公开了一种发动机早期故障诊断方法，包括以下步骤：在稳定工况下，获取发动机的超声信号；对超声信号进行低通滤波以得到超声信号残量；根据超声信号残量进行频域分析以得到早期故障的状态指示。本发明专利技术基于超声信号的状态参数进行故障信息融合得到最终的早期故障诊断健康指示，提高算法的监测精度和鲁棒性。本发明专利技术提出的方法简便易行，物理意义突出，为零部件的全寿命监测争取了反应时间。为零部件的全寿命监测争取了反应时间。为零部件的全寿命监测争取了反应时间。

【技术实现步骤摘要】
发动机早期故障诊断方法


[0001]本专利技术属于发动机早期故障诊断
，尤其涉及一种发动机早期故障诊断方法。

技术介绍

[0002]和传统意义上的故障诊断相比，早期故障诊断强调在故障早期特征微弱时即精确捕捉其故障特征并预警。对于航空发动机而言，早期发现发展非常快的故障可以避免恶性、灾难性的后果；同时，早期诊断辅以剩余寿命预估还可以提高系统运行可靠性、安全性，并优化备件管理、对于航空发动机则减少非计划下发、降低诊断及维护维修时间，从而提高可用率并优化维护、维修运营成本。
[0003]常见的航空发动机机械系统故障(比如轴承、齿轮故障)的诊断主要依赖于基于振动信号频域故障特征的甄别。成功的故障诊断要求满足如下三个基本条件：(1)，传感器频响特性包含故障信号频响特性；(2)，传感器的位置设置合理，即传感器在故障信号的传播路径上；(3)，所定义的时域、频域、时域状态指示(Condition Indicator)能够准确地捕捉故障动力学特性(频域和\或时域)。前述的三个基本条件中，(1)和(2)是决定性的；也就是说，如果由于传感器位置不理想、传感器本身动力学特性不满足从而无法捕捉到故障特性等原因导致传感信号本身对于目标故障不敏感，那么开发频域和\或时域状态指示来进行诊断将非常困难。至于前述(3)里的故障状态指示开发，对于中后期故障，可以认为分析的对象振动时域信号时准静态的，也就是说，其频域特性在短时间内是不随时间变化的。对于早期故障，这一假设却并不成立。这是因为早期故障对于系统动力学特性的影响具有高度随机性和稀疏性，相应地表现出强时变特征。所以，为了准确地发现发动机早期机械故障，需要从传感、算法两个角度同时入手，一方面捕捉对于早期故障更敏感的传感信号，另一方面开发相应的算法，充分发挥传感器对于故障信号的敏感性的同时控制虚警率。
[0004]目前现有的国内外号称的早期故障诊断方法方面的专利基本上可以分为以下三种情况：
[0005]第一，虽然专利/文献号称开发了“早期故障诊断”方法，但其所提出的方法本身却并未涉及采用早期故障特有的特征。这里又包含两种情形：其中第一种情形，故障特征是动态的，而其所依赖的算法依据仍然是基于纯频域分析的，并未反映早期故障的“非准静态特征”；其中第一种情形，故障特征是静态的，那末早期故障诊断方法与中后期并不会有本质的不同。绝大部分早期故障诊断的专利都属其中第二种情形。该类文献/专利实际上只是提出了中后期故障诊断算法，而非早期故障诊断算法。
[0006]第二，采用纯时域信号阈值分析初步决定是否有早期故障，然后采用稀疏算法进一步甄别是否存在早期故障的方法。
[0007]第三，采用多个传感器信号进行故障特征增强，以期达成早期故障诊断的目的。
[0008]以下7个专利都属于上述第一种情况：DE3403956，US4645920，DE10138379，US20040055888，US20040226346，CN201420725861，EP1422424，也就是说，这些专利实际上
只是提出了中后期故障诊断算法，而非早期故障诊断算法。
[0009]CN201310701841则采用纯时域信号阈值分析初步决定是否有早期故障，然后采用稀疏算法进一步甄别是否存在早期故障，其属于上述第二种情况。
[0010]US9606164则采用多个传感器信号进行故障特征增强，进行早期故障诊断，其属于上述第三种情况。
[0011]近年来随着小波分析、希尔伯特
‑
黄(EMD)、以及更传统的短时傅里叶变换等时频域混合分析方法在早期故障诊断领域的应用，有大量文献报道这方面的研究工作，但是仅限于算法本身的研究，未见实用的早期故障诊断方法、流程。

技术实现思路

[0012]本专利技术要解决的技术问题是为了克服现有技术中进行发动机早期故障诊断的准确率不高的缺陷，提供一种发动机早期故障诊断方法。
[0013]本专利技术是通过下述技术方案来解决上述技术问题：
[0014]本专利技术提供一种发动机早期故障诊断方法，包括以下步骤：
[0015]在稳定工况下，获取发动机的超声信号；
[0016]对超声信号进行低通滤波以得到超声信号残量；
[0017]根据超声信号残量进行频域分析以得到早期故障的状态指示。
[0018]较佳地，获取发动机的超声信号包括：
[0019]基于设置在发动机内的超声传感器获取超声信号；超声传感器设置于发动机的前机匣、中介机匣、后机匣中的至少一处。
[0020]较佳地，对超声信号进行低通滤波以得到超声信号残量，包括：
[0021]获取超声信号对应的监测时间段长度；
[0022]将监测时间段长度划分为若干等长的小段；
[0023]获取每一个小段对应的超声信号的最大波峰值和最低波谷值；
[0024]根据最大波峰值和最低波谷值获取小段对应的第一幅值，第一幅值为第一差值的二分之一，第一差值为最大波峰值与最低波谷值的差值；
[0025]获取第二幅值，第二幅值为若干小段对应的第一幅值中统计意义上CDF(Cumulative Distribution Function，分布函数)符合预设数量级的第一幅值；
[0026]获取健康系统最大超声幅值，健康系统最大超声幅值为第一幅值乘以预设倍数；
[0027]提取超声信号中幅值大于健康系统最大超声幅值的超声信号作为超声信号残量。
[0028]较佳地，预设数量级的范围为99％～99.9％。
[0029]较佳地，预设数量级为99.9％。
[0030]较佳地，预设倍数的范围为1.01～1.09。
[0031]较佳地，根据超声信号残量进行频域分析以得到早期故障的状态指示，包括：
[0032]对超声信号残量进行FFT变换得到残量频域信号；
[0033]根据残量频域信号得到第一早期状态指示；
[0034]获取n个目标频率，目标频率为残量频域信号中幅值最高的n个信号对应的频率；
[0035]获取第二早期状态指示，第二早期状态指示为n个目标频率的平均值，其中，n为正整数；
[0036]根据第一早期状态指示和第二早期状态指示判断是否存在早期故障。
[0037]较佳地，根据第一早期状态指示和第二早期状态指示判断是否存在早期故障，包括：
[0038]基于第一早期状态指示和第二早期状态指示的融合判断是否存在早期故障，融合包括基于加权平均法、模糊理论或D
‑
S证据理论进行融合。
[0039]较佳地，根据第一早期状态指示和第二早期状态指示判断是否存在早期故障，包括：
[0040]如果第一早期状态指示超限并且第二早期状态指示超限，则存在早期故障，否则，不存在早期故障；
[0041]或，如果第一早期状态指示超限或第二早期状态指示超限，则存在早期故障，否则，不存在早期故障。
[0042]本专利技术的积极进步效果在于：本专利技术基于超本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种发动机早期故障诊断方法，其特征在于，包括以下步骤：在稳定工况下，获取所述发动机的超声信号；对所述超声信号进行低通滤波以得到超声信号残量；根据所述超声信号残量进行频域分析以得到早期故障的状态指示。2.如权利要求1所述的发动机早期故障诊断方法，其特征在于，所述获取所述发动机的超声信号包括：基于设置在所述发动机内的超声传感器获取所述超声信号；所述超声传感器设置于所述发动机的前机匣、中介机匣、后机匣中的至少一处。3.如权利要求2所述的发动机早期故障诊断方法，其特征在于，所述对所述超声信号进行低通滤波以得到超声信号残量，包括：获取所述超声信号对应的监测时间段长度；将所述监测时间段长度划分为若干等长的小段；获取每一个所述小段对应的所述超声信号的最大波峰值和最低波谷值；根据所述最大波峰值和所述最低波谷值获取所述小段对应的第一幅值，所述第一幅值为第一差值的二分之一，所述第一差值为所述最大波峰值与所述最低波谷值的差值；获取第二幅值，所述第二幅值为若干所述小段对应的所述第一幅值中统计意义上CDF符合预设数量级的所述第一幅值；获取健康系统最大超声幅值，所述健康系统最大超声幅值为所述第一幅值乘以预设倍数；提取所述超声信号中幅值大于所述健康系统最大超声幅值的所述超声信号作为所述超声信号残量。4.如权利要求3所述的发动机早期故障诊断方法，其特征在于，所述预设数量级的范围为99％～99.9％。5.如权利要求4所述的发动机早期故障诊断方法，其特征...

【专利技术属性】
技术研发人员：曹明，凡非龙，
申请(专利权)人：中国航发商用航空发动机有限责任公司，
类型：发明
国别省市：