基于流形学习的航空发动机故障诊断技术研究

How to deal with the high-dimensional and nonlinear data is a challenging problem for aero-engine fault diagnosis. Following the intuition that the measured signal samples usually distribute on or near the nonlinear low-dimensional manifolds embedded in the high-dimensional signal space, a novel aero-engine fault diagnosis based on manifold learning is proposed. Several crucial problems are researched. A multiple manifold model which keeps the local data information and maximizes the distance of manifolds is proposed for fault feature extraction. The optional and robust estimation of reduced dimension is researched by local principal component analysis and Bayesian methods. The generalization of manifold learning based on maxtirx decomposition is proposed for mapping the new fault data. The new classifier based on local manifold geometry is researched for fault classification. The research could promote the application of manifold learning to aero-engine fault diagnosis, and provide an effective approach to sovle the fault recognition with high-dimensional and non-linear samples, which could improve the accuracy of aero-engine fault diagnosis.

航空发动机故障诊断中一个有挑战性的难题是如何处理具有高维数、非线性化特点的采样数据。针对这一问题，基于振动采样信号位于嵌入于高维信号空间中低维非线性流形上的假设，本项目利用流形学习理论，研究新型的航空发动机故障诊断技术，对需要解决的若干关键问题进行深入研究，主要包括：构建一种以保持数据邻域信息不变，并最大化子流形间距为目标的多流形学习模型，以实现发动机故障特征的有效提取；以加权局部主元分析为基础，结合贝叶斯估计理论，研究流形内蕴维数的鲁棒自适应优化估计方法；研究基于矩阵分解理论的流形学习增量式泛化算法，以解决新增故障的映射识别问题；研究一种基于局部流形几何信息的新型分类器，使之适合流形特征提取背景下的故障分类。以上研究内容将推动流形学习理论在航空发动机故障诊断领域中的应用，为如何对高维非线性振动采样数据进行故障特征提取与识别的难题提供有效的解决途径，提高发动机故障诊断的准确性。

航空发动机故障诊断中一个有挑战性的难题是如何处理具有高维数、非线性化特点的故障采样数据。基于采样信号位于嵌入于高维信号空间中低维非线性流形上的假设，本项目将流形分析的思想引入航空发动机信号处理中，研究基于流形学习的航空发动机故障诊断新方法，力图克服传统模式识别方法难以处理具有高维数、非线性化特点故障数据的缺点。.本项目开展了涡轴发动机轴承故障试验器设计，为研究发动机轴承故障诊断提供试验平台和故障数据支撑；研究了基于等距映射流形学习算法的航空发动机混沌振动信号去噪方法，以解决噪声干扰对振动监测与故障诊断的影响；运用动力学理论和信号处理方法研究了非线性振动故障特征提取，为故障识别提供特征数据；分析了航空发动机故障振动信号的低维流形内在规律；分别建立了基于监督局部线性嵌入、最大差异延展、监督局部切空间排列的航空发动机故障诊断的流形学习模型，以实现发动机故障特征识别；研究了流形学习内蕴维数等关键参数的优化估计方法，以保证故障诊断模型的准确性；研究了基于矩阵分解理论的流形学习增量式泛化算法，以实现新增故障的映射识别；研究了基于局部流形几何信息的故障分类方法；完成了航空发动机的故障诊断实验分析，并与现有典型故障诊断方法进行对比分析及性能评估。本项目的研究成果为航空发动机故障诊断提供新的理论方法和技术手段，提高故障诊断的准确性，保证发动机安全可靠的运行。