【技术实现步骤摘要】
本专利技术涉及故障诊断，尤其涉及一种航空发动机轴承故障诊断方法及诊断系统。
技术介绍
1、航空发动机作为飞行器的核心组件，其平稳运转对于确保飞行安全至关重要。而在发动机的运行过程中，滚动轴承是承担巨大载荷的关键组成部分，其工作环境恶劣，极易产生故障。这可能导致严重飞行事故的发生。因此，对航空发动机轴承的故障诊断方法进行深入研究，有助于及时发现轴承早期故障的特征，从而有效预防事故的发生。
2、因此，有必要提供一种航空发动机轴承故障诊断方法及诊断系统解决上述技术问题。
技术实现思路
1、为解决上述技术问题，本专利技术提供一种航空发动机轴承故障诊断方法及诊断系统，本专利技术使用双层置信规则结构，第一层分类器利用参考区间结构解决组合规则爆炸问题，第二层分类器利用多个附属置信规则库完成最终的故障诊断，在优化过程中添加了可解释性约束，保证优化后的参数符合专家知识库中的给定范围；本专利技术通过上述方法实现对航空发动机轴承的故障诊断，使得诊断结果更加准确可靠，诊断过程更加透明。
2、本专利技术提供的一种航空发动机轴承故障诊断方法，诊断方法包括以下步骤：
3、获取航空发动机的实测样本数据，其中，所述实测样本数据为轴承不同故障条件下航空发动机的振动信号数据，且所述振动信号数据包括位移响应和加速度响应；
4、基于所述实测样本数据构建故障诊断指标体系，其中，所述故障诊断指标体系包括至少一个指标；
5、根据所述故障诊断指标体系确定与所述指标对应的参
6、基于所述参考值集合构建双层置信规则分类器；
7、利用所述双层置信规则分类器对航空发动机的轴承进行故障诊断，得到故障诊断结果。
8、优选的，所述基于所述实测样本数据构建故障诊断指标体系，包括：
9、对所述振动信号数据进行数据预处理，其中，数据预处理包括对所述实测样本数据中的缺失值、异常值和噪声进行清洗，以及归一化处理；
10、对数据预处理后的所述振动信号数据进行特征提取，得到关联轴承的第一特征集，其中，所述第一特征集包括频域特征、时域特征和统计特征；
11、对所述第一特征集进行特征筛选，得到第二特征集；
12、基于所述第二特征集构建故障诊断指标体系。
13、优选的，所述根据所述故障诊断指标体系确定与所述指标对应的参考值，并基于所有所述指标对应的参考值构建参考值集合，包括：
14、基于轴承的历史故障数据构建专家知识库，其中，所述专家知识库包括轴承的不同故障模式下的典型振动特征，以及不同故障模式之间的关联；
15、基于所述专家知识库和轴承的历史故障数据确定每个指标的参考值；
16、基于所有参考值构建参考值集合。
17、优选的，所述基于所述参考值集合构建双层置信规则分类器，包括：
18、根据所述参考值集合构建所述双层置信规则分类器的第一层分类器，并由第一层分类器输出初步诊断结果，其中，所述第一层分类器包括区间结构的置信规则库，所述区间结构的置信规则库中的第k条规则表示为：
19、；
20、其中，表示一次构建的航空发动机轴承的故障指标体系，表示体系中指标个数，表示各个指标的参考区间，是诊断结果的集合，表示第k条规则中，第j个结果的置信度，表示规则权重，表示规则可靠度；
21、基于所述初步诊断结果和专家知识库构建所述双层置信规则分类器的第二层分类器，其中，所述第
22、二层分类器包括至少一个附属置信规则库，所述附属置信规则库的第k条规则表示为：
23、；
24、其中，表示二次构建的航空发动机轴承的故障指标体系，表示第i个指标的第p个参考值，num是第i个指标拥有的参考值总数，表示属性权重，表示规则权重，表示规则可靠度。
25、优选的， 所述根据所述参考值集合构建所述双层置信规则分类器的第一层分类器，其中，所述第一层分类器包括基于所述参考值集合构建的区间结构的置信规则库，包括：
26、基于故障诊断指标体系和参考值集合构建区间结构的置信规则库，并作为所述双层置信规则分类器的第一层分类器；
27、在第一层分类器构建完成后，基于证据推理规则对所述区间结构的置信规则库中的规则进行融合，完成故障的初步诊断，以得到初步诊断结果。
28、优选的，所述基于证据推理规则对所述区间结构的置信规则库中的规则进行融合，完成故障的初步诊断，以得到初步诊断结果，包括：
29、将第i个证据，即第i条规则进行置信分布表示，具体为：
30、；
31、其中，表示证据下，初步诊断结果被评估为的评价计划的可信度，表示第i个属性在辨识框架情况下的置信度；
32、基于证据权重和证据置信度，对第i个证据的置信分布进行混合加权，混合加权后的第i个证据的置信分布表示为：
33、；
34、其中，表示辨识框架的幂集，且需满足条件，表示第i个证据在辨识框架下的混合概率质量，表示第i个证据在评价等级下的混合概率质量；
35、第i个证据在评价等级下的混合概率质量的计算公式为：
36、；
37、；
38、；
39、其中，表示归一化系数，和分别表示证据的可靠度和权重；
40、对于任意两条独立证据和，假设其置信分布形式可由表达，则两条证据对命题的联合支持由以下公式计算得出：
41、；
42、；
43、基于以上两条独立证据联合支持的计算过程，对于l条独立证据对命题的联合支撑度，可以通过不断迭代以下公式得到：
44、；
45、；
46、；
47、；
48、其中，前k条证据融合后的结果的置信度记为，反映了前k条证据组合后对命题的联合支持程度，输出置信分布和期望效用值为：
49、；
50、；
51、其中代表结果下的效用值，表示辨识框架下的效用值，表示l条独立证据对辨识框架的联合支撑度。
52、优选的，基于所述初步诊断结果和专家知识库构建所述双层置信规则分类器的第二层分类器，其中，所述第二层分类器包括至少一个附属置信规则库，包括：
53、基于故障诊断指标体系和所述初步诊断结果对所述参考值集合进行细分；
54、构建第二层分类器的各个附属置信规则库的置信分布；
55、基于细分的参考值集合和各个附属置信规则库的置信分布，利用证据推理解析算法对所述初步诊断结果进行推理，得到推理结果，其中，所述推理结果包括置信度和效用值；
56、基于p-cma-es方法对置信度，以及专家知识库输入的规则权重和属性权重进行迭代优化，得到最终诊断结果。
57、优选的，所述基于细分的参考值集合和各个附属本文档来自技高网...
【技术保护点】
1.一种航空发动机轴承故障诊断方法，其特征在于，诊断方法包括以下步骤：
2.根据权利要求1所述的一种航空发动机轴承故障诊断方法，其特征在于，所述基于所述实测样本数据构建故障诊断指标体系，包括：
3.根据权利要求1所述的一种航空发动机轴承故障诊断方法，其特征在于，所述根据所述故障诊断指标体系确定与所述指标对应的参考值，并基于所有所述指标对应的参考值构建参考值集合，包括：
4.根据权利要求3所述的一种航空发动机轴承故障诊断方法，其特征在于，所述基于所述参考值集合构建双层置信规则分类器，包括：
5.根据权利要求4所述的一种航空发动机轴承故障诊断方法，其特征在于，所述根据所述参考值集合构建所述双层置信规则分类器的第一层分类器，其中，所述第一层分类器包括基于所述参考值集合构建的区间结构的置信规则库，包括：
6.根据权利要求5所述的一种航空发动机轴承故障诊断方法，其特征在于，所述基于证据推理规则对所述区间结构的置信规则库中的规则进行融合，完成故障的初步诊断，以得到初步诊断结果，包括：
7.根据权利要求4所述的一种航空发动
8.根据权利要求7所述的一种航空发动机轴承故障诊断方法，其特征在于，所述基于细分的参考值集合和各个附属置信规则库的置信分布，利用证据推理解析算法对所述初步诊断结果进行推理，得到推理结果，包括：
9.根据权利要求7所述的一种航空发动机轴承故障诊断方法，其特征在于，所述基于P-CMA-ES方法对置信度，以及专家知识库输入的规则权重和属性权重进行迭代优化，得到最终诊断结果，包括：
10.一种航空发动机轴承故障诊断系统，其特征在于，包括：
...【技术特征摘要】
1.一种航空发动机轴承故障诊断方法，其特征在于，诊断方法包括以下步骤：
2.根据权利要求1所述的一种航空发动机轴承故障诊断方法，其特征在于，所述基于所述实测样本数据构建故障诊断指标体系，包括：
3.根据权利要求1所述的一种航空发动机轴承故障诊断方法，其特征在于，所述根据所述故障诊断指标体系确定与所述指标对应的参考值，并基于所有所述指标对应的参考值构建参考值集合，包括：
4.根据权利要求3所述的一种航空发动机轴承故障诊断方法，其特征在于，所述基于所述参考值集合构建双层置信规则分类器，包括：
5.根据权利要求4所述的一种航空发动机轴承故障诊断方法，其特征在于，所述根据所述参考值集合构建所述双层置信规则分类器的第一层分类器，其中，所述第一层分类器包括基于所述参考值集合构建的区间结构的置信规则库，包括：
6.根据权利要求5所述的一种航空发动机轴承故障诊...
【专利技术属性】
技术研发人员：贺维，刘秉鑫，邓倩，周国辉，朱海龙，许冰，
申请(专利权)人：哈尔滨师范大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。