论文部分内容阅读
随着科技的不断进步，航空发动机的结构设计也变得越来越复杂，从而导致其故障概率也随之升高，因此对于航空发动机的稳定性和可靠性的要求也变得越来越高。而转子系统作为航空发动机的重要组成部分，也是航空发动机中故障率最高的部位之一。因此，对于航空发动机转子系统故障诊断方法的研究，不仅具有重要的学术研究价值，也对航空产业发展和出行安全有着实际研究意义。 本文首先对故障诊断中的信号去噪的方法进行了研究。介绍了提升小波阈值去噪方法的具体实现过程，并对影响去噪效果的小波提升方案的构造和提升小波分解层数进行了讨论分析，确定了具体的去噪方案，并从去噪效果对故障诊断特征提取起到的作用的角度进行对比分析，验证了信号去噪对故障诊断的准确性有很大的提升。 本文还将快速搜索发现密度峰值聚类算法（CFSFDP）引入到了故障诊断的故障分类中，针对CFSFDP算法目前还存在缺陷的问题，提出了基于马氏距离的自动快速搜索发现密度峰值聚类算法，即引入马氏距离作为数据点之间的距离度量，改善了由于量纲和数量级对聚类时截断距离选择困难而导致的聚类困难的问题；引入了一个综合参考值?来辅助确定密度峰值，从而获得密度峰值点，实现聚类中心的自动获取，解决了需要人工判断聚类峰值，手动确定聚类中心的问题，从而使之后的聚类操作得以执行，实现了自动聚类的目的。通过对改进后的CFSFDP算法和改进前的算法进行对比实验后，发现改进后的CFSFDP算法在聚类精度方面有很大的提升；在与K-means聚类方法进行对比后，发现改进后的CFSFDP算法准确性有很大提升。 最后，本文还介绍了实验使用的故障诊断模拟实验台，并进行航空发动机转子系统故障模拟实验。对采集到的航空发动机转子系统的运行状态信号进行实例分析，来验证故障诊断方法的有效性，并加入其他方法进行对比，结果表明，基于马氏距离的自动快速搜索发现密度峰值聚类算法在故障诊断中的准确度比K-means和FCM的诊断方法高。