基于改进小波聚类的航空发动机转子系统故障诊断新方法研究

Aero-engine is the heart of aircraft, which usually has the highest failure rate and the heaviest workload for system maintenance in the aviation mechanical equipment. Currently, around 60-70％ failure is caused by structural strength in the aero-engine failure. The aero-engine rotor system fault belongs to the small sample problem and the weak signals are extracted very difficultly from the strong noises background, result in the diagnosis about early supporter loose, rotor crack and multi-fault of rotor system become a challenging subject. In order to detect these faults of aero-engine rotor system timely and prevent accident, the wavecluster will be improved for fault diagnosis in this research. The wavecluster original grid and revise grid will be established by dividing grid based on the dissimilar number in signal dataspace of aero-engine rotor system. The similar data will be clustered in the same class and the noise data will be separated from the class, so as to improve the clustering accuracy. The hash function table will be constructed by hash function in signal dataspace of aero-engine rotor system, so as to reduce the data space complexity and improve the clustering speed. The improved wavecluster will be used to find out fault feature extracting and fault classification efficiently. The fault diagnosis new method of aero-engine rotor system basing on the improved wavecluster is established for realizing aero-engine rotor system early stage and multi-fault diagnosis high efficiently providing theory and technology support.

航空发动机是飞机的心脏，是航空机械设备中故障率最高、维护工作量最大的系统。在航空发动机故障中，结构强度故障约占总故障的60-70％。由于航空发动机转子系统故障属于小样本问题以及从强噪声背景中提取微弱信号很难，导致转子系统早期支撑松动、转子裂纹以及多故障的诊断成为一个难题。为及时发现发动机转子系统的这些故障和预防事故的发生，本研究拟通过改进小波聚类进行故障诊断。研究采用基于相异数划分网格，建立航空发动机转子系统信号数据空间小波聚类原始网格和校正网格，将同类数据归类，同时将噪声数据从类中分离出来，提高聚类精度；研究采用散列函数来构造航空发动机转子系统信号数据空间散列函数表，降低数据空间复杂度，提高聚类速度；将改进后的小波聚类进行故障信息的高效特征模式提取和分类，建立基于改进小波聚类的航空发动机转子系统故障诊断新方法，为实现航空发动机转子系统早期及多故障高效诊断提供理论和技术支持。

航空发动机是飞机的心脏，由于航空发动机转子系统故障属于小样本问题以及从强噪声背景中提取微弱信号很难，导致转子系统故障诊断成为一个难题。为此，本课题研究振幅熵、功率谱重心等作为信号提取特征量。针对传统小波聚类算法使用相连定义聚类的效率和精度不够的问题，提出了基于广度优先搜索的改进小波聚类算法，该算法综合了广度优先搜索邻居聚类和小波聚类两者的优势，提高了聚类精度和聚类效率。针对网格聚类算法不可避免产生的网格量化(MAUP)问题，提出了基于双网格校正小波聚类算法，该算法降低了网格划分和网格密度阈值对聚类质量的影响，提高了聚类精度。为进一步提高双网格校正小波聚类算法的效率，提出了基于散列函数的双网格校正小波聚类算法，该算法应用散列表去消除量化数据空间中的空单元，降低数据空间算法的复杂度，将该算法应用到航空发动机转子故障诊断中，证明该算法在保证转子故障诊断精度的基础上，提高了诊断效率。提出了基于双阶自适应小波聚类算法，并用于航空发动机转子系统复合故障诊断。研究工作建立的基于改进小波聚类的航空发动机转子系统故障诊断新方法，为实现航空发动机转子系统故障高效诊断提供依据。