● 摘要
通过调研国外航空发动机故障诊断技术的研究进展与国内XX发动机故障诊断技术的应用现状，针对发动机旋转件振动信号与性能数据的特点，对EMD(Empirical Mode Decomposition)与SVM(Support Vector Machines)在航空发动机故障检测与诊断中的适用性与工程化问题进行了深入研究。提出基于EMD包络谱的发动机旋转件故障诊断方法以及融合发动机性能数据分层信息的SVM多分类算法，有效地解决了发动机旋转件振动故障的检测问题以及发动机性能故障的诊断问题。振动信号分析是发动机旋转件故障检测和诊断的主要手段。通过安装在发动机旋转件系统适当位置的加速度传感器检测其工作状态，利用故障信号的频谱特征来检测、诊断故障；检测与发动机运转速度相关的危险振动状态，避免由于发动机部件退化而引起的二次损伤。论文针对发动机旋转件振动信号的非平稳特性，提出了极点值对称延拓方法，有效解决了EMD算法的边界效应，并在此基础上提出基于EMD包络谱的发动机旋转件故障诊断技术，从而可自适应提取故障信号中被各个系统固有振动调制的故障冲击信号，而且算法简单，便于在线实施。发动机气路部件及相关子系统发生故障时，故障部件的效率（或总压损失）和流通能力将产生变化，导致沿发动机气路的气动热力参数和发动机性能参数发生渐变。因此，可根据实测的气动热力参数、性能参数和可调几何部件的位置来检测和诊断发动机气路部件及其相关子系统的技术状态和性能衰退程度。论文根据发动机性能数据的特点，提出融合发动机性能数据分层信息的SVM多分类算法，该方法不仅解决了SVM多分类算法存在的问题，而且由于在分类过程中增加了信息量，从而提高了故障分类的有效性和准确性。