国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      一種振動數據驅動的直升機旋翼異常檢測方法

      文檔序號:10594525閱讀:922來源:國知局
      一種振動數據驅動的直升機旋翼異常檢測方法
      【專利摘要】本發(fā)明公開一種振動數據驅動的直升機旋翼異常檢測方法,包括:原始振動數據分析和處理;提取直升機旋翼狀態(tài)特征;用正常狀態(tài)的旋翼數據特征訓練支持向量數據模型;最后根據建立的模型對旋翼進行異常檢測。本發(fā)明的優(yōu)點是:針對非平穩(wěn)、非線性的振動數據,提取了有效的故障特征,在只有正常狀態(tài)數據可用的情況下,本發(fā)明給出了一種直升機旋翼異常檢測方法,克服了常規(guī)方法必須有異常特征數據的需求。
      【專利說明】
      -種振動數據驅動的直升機旋翼異常檢測方法
      技術領域
      [0001] 本發(fā)明設及振動數據驅動的直升機旋翼異常檢測方法,是一種??卺槍χ鄙龣C旋 翼振動數據的異常檢測方法,屬于航空工程與信息科學的交叉領域。
      【背景技術】
      [0002] 直升機旋翼作為升力面和操縱面,不僅為前進提供動力,還是各種姿態(tài)變換的動 力來源。旋翼系統工作在周期性變化的氣動環(huán)境中,承受了復雜的氣彈載荷,如前飛過程中 的不平衡周期的交變載荷,運些載荷容易造成軸承、減擺器等出現磨損現象,更有甚者振動 載荷會導致直升機的重要的飛行組件出現疲勞損傷,使旋翼產生故障進而導致事故的發(fā) 生。在直升機故障中旋翼故障率高達20%,其中直升機一級事故中有35%與旋翼故障相關。 因此,對直升機旋翼系統的檢測和故障診斷就顯得尤為重要。
      [0003] 由于直升機旋翼系統的工作特性,直接對旋翼系統進行檢測和診斷技術難度較 大。旋翼發(fā)生故障時,機體的振動頻率中包含了旋翼的故障信息。通過分析采集的機體振動 數據為旋翼系統故障診斷開辟了新途徑,經理論分析和實踐證明,該方法行之有效且易于 操作。直升機旋翼復雜的結構和工作環(huán)境決定了直升機振動數據是非平穩(wěn)和非線性的,選 用時域或者頻域的分析方法很難獲取有效的旋翼故障特征。時-頻分析方法在兩維空間中 同時展示了振動數據的時域和頻域信息,常用于提取旋轉器械的故障特征。常用的時-頻分 析方法有短時傅里葉變化,小波分析,S變換、Cohen類雙線性變換方法W及希爾伯特黃變換 等。
      [0004] 相比于國外的研究,我國在直升機診斷方面的認識不夠全面,研究起步較晚,因此 積極深入直升機故障診斷方面的研究將具有實際意義。目前已經從理論和實踐兩個方面證 實了旋翼頻率與故障之間具有映射關系,利用異常模式識別,可進行故障檢測。直升機故障 診斷研究主要集中于旋翼的不平衡故障,有關旋翼異常檢測方面的研究很少。傳統的故障 診斷一般是二分類問題,主要借助分類算法進行處理,其中人工神經網絡和支持向量機已 經取得了不錯的診斷效果。然而,運些故障診斷方法的應用前提是有大量的故障數據。在真 實場景中,考慮到直升機旋翼的未知故障模式多種多樣,難W預料,無法事先大量獲取各種 狀態(tài)下的故障數據;正常狀態(tài)的數據很容易獲取,故障狀態(tài)時旋翼可能已經損壞;又因為故 障模擬的代價非常高,在實踐中往往不允許,導致故障狀態(tài)樣本很難捕獲而致出現嚴重匿 乏。因此,基于正常狀態(tài)的振動數據,及時檢測出旋翼異常信息顯得尤為重要。

      【發(fā)明內容】

      [0005] 本發(fā)明的目的是基于振動試驗數據,發(fā)明一個針對直升機旋翼異常檢測的方法, 基于該方法,可檢測直升機旋翼狀態(tài)的變化,從而提供直升機旋翼的早期故障預警,降低旋 翼的維修成本的同時,提高旋翼飛行的安全性和可靠性。
      [0006] 本發(fā)明的具體技術方案包括W下幾個步驟:
      [0007] 步驟一:對旋翼振動數據進行預處理,選用小波闊值去噪對原始數據進行去噪處 理。
      [0008] 步驟二:對降噪后的振動數據進行經驗模態(tài)分解,獲取有限個內蘊模式函數。
      [0009] 步驟=:用獲取的內蘊模式函數構建矩陣,并進行奇異值分解,將得到奇異值歸一 化到區(qū)間[-1,1],最終組成旋翼故障特征向量。
      [0010] 步驟四:利用支持向量數據描述,基于旋翼正常特征構建超球體,計算出超球體的 球屯、和半徑,并根據此超球體檢測旋翼是否出現異常。
      [0011] 本發(fā)明的有益效果是:
      [0012] 本發(fā)明基于直升機旋翼振動數據進行分析,選用時-頻分析方法提取有效的旋翼 狀態(tài)特征,利用支持向量數據描述針對旋翼正常狀態(tài)特征構建狀態(tài)模型,解決了在只有正 常狀態(tài)樣本數據可用的情況下,如何檢測出旋翼是否出現故障的問題。
      【附圖說明】
      [OOK]圖1是本發(fā)明方法的總體流程圖。
      [0014] 圖2是經驗模態(tài)分解的流程圖。
      [0015] 圖3旋翼狀態(tài)特征提取的流程圖。
      【具體實施方式】
      [0016] 下面結合附圖和相關算法,對本發(fā)明做進一步的說明。
      [0017] 本發(fā)明的總體流程如圖1所示。
      [0018] 本發(fā)明基于直升機振動數據進行異常檢測,采用小波闊值去噪法對振動數據進行 去噪處理。利用經驗模態(tài)分解獲取有限個內蘊模式函數,對內蘊模式函數矩陣進行奇異值 分解,提取直升機旋翼狀態(tài)特征。采用支持向量數據描述,針對直升機正常狀態(tài)特征向量構 建超球體,檢測旋翼異常。其具體實施步驟如下:
      [0019] 1.小波闊值去噪
      [0020] 本發(fā)明應用于直升機旋翼振動數據,通過傳感器測得的振動數據不可避免地含有 噪聲,在特征提取之前選用小波闊值去噪法對振動數據進行去噪處理。小波闊值去噪具體 過程如下:
      [0021] 對含噪聲的振動數據x(t)做小波變換,得到一組小波系數W;
      [0022] 通過對W進行闊值處理,得到估計系數,使得W與兩者的差值盡可能??;
      [0023] 利用進行小波重構,得到去躁后的振動數據。
      [0024] 2.經驗模態(tài)分解
      [0025] 本發(fā)明針對去噪后的振動數據進行經驗模態(tài)分解。經驗模態(tài)分解能把一個復雜的 振動數據分解為若干不同的內蘊模式函數之和。每一個內蘊模式函數反應了信號內部固有 的波動特性,且只包含一個波動模態(tài),避免了多波動模態(tài)的混疊。
      [0026] 內蘊模式函數必須滿足如下兩個條件:
      [0027] 在整個數據段內,極值點的個數(包括極大值和極小值)和過零點的個數相等或者 最多只相差一個;
      [0028] 在任意時間點上,由局部極大值點形成的上包絡線和局部極值點形成的下包絡線 的平均值為零。
      [0029] 針對振動數據x(t),經驗模態(tài)分解具體步驟如下:
      [0030] 確定x(t)上所有的極值點,然后用=次樣條曲線分別把極大值點和極小值點連起 來,形成上、下包絡線;
      [003。 求出上下包絡線的平均值,記為mi,將mi從x(t)中分離出來
      [0032] hi = x(t)-mi (8)
      [0033] 如果hi滿足內蘊模式函數的兩個條件,那么hi就是x(t)分解出來的第一個內蘊模 式函數,若hi不滿足內蘊模式函數的條件,則把hi作為原始數據,重復前面的過程直至滿足 相應的條件或者預先設置的停止準則,記第一個內蘊模式函數為C1。
      [0034] 把Cl從X (t)中分離出來,得到
      [0035] ri = x(t)-ci (9)
      [0036] 將ri作為原始數據,根據上述方法繼續(xù)對ri進行分解,直至rn變成一個單調函數, 不能再從中選出滿足經驗模態(tài)函數條件的分量時,循環(huán)結束,最終得到
      [0037]
      (10)
      [0038] 其中rn是殘余函數,代表振動數據的平均趨勢。利用經驗模態(tài)分解獲取的內蘊模 式函數為C1,C2,. . .,Cn。
      [0039] 3.奇異值分解
      [0040] 經驗模態(tài)分解利用數據中的特征時間尺度識別出包含其內的內蘊模式函數Cl~ Cn,構建內蘊模式函數矩陣T= [Cl C2…CnL對矩陣T進行奇異值分解。奇異值分解的步驟 如下:
      [0041 ] 假設T是M*N的矩陣,U是M*M的矩陣,其中U的列為TTT的正交特征向量,V為N*N的矩 陣,其中V的列為TTT的正交特征向量,m為矩陣T的秩,則存在奇異值分解:
      [0042] T = UEyT (11)
      [0043] 其中TTT和tTt的特征值相同,記為Al, . . .,Am,E為M*N的對角矩陣,對角元素為
      ,其余位置數值為0,則奇異值為
      I由奇異值構成的奇異值譜為U= [01, 曰2,? ? ?,。皿]O
      [0044] 4.數據歸一化
      [0045] 本發(fā)明針對獲取的旋翼特征向量U= [01,02, ...,0m],采用線性函數對各屬性進行 歸一化處理,其過程可用算法1來描述:
      [0046] 算法1:數據歸一化
      [0047] 輸入:旋翼特征向量集{ui}
      [0048] 輸出:歸一化后的數據{V i}
      [0049]
      [(K)加]5.旋翼正常狀態(tài)建模
      [0051] 本發(fā)明選取旋翼正常狀態(tài)下的特征向量集,訓練得到旋翼健康狀態(tài)模型。
      [0052] 其本質是構建一個超球體包含所有或者幾乎所有旋翼正常狀態(tài)下的特征向量集X = {xl,X2,…XN},此處的x即為提取的特征u,超球體的球屯、為a半徑為R。訓練的目標是最小 化超球體的體積,降低接受異常樣本的概率。考慮到訓練特征向量集中可能有少數正常的 特征偏離目標類,通過引入松弛因子Cl和懲罰參數C,允許少數樣本點分布在超球體之外。 [0化3] 優(yōu)化巧敬化下所示:
      [0化4] (12)
      [0055]為了避免過擬合,引入了懲罰參數C,表示對錯分樣本懲罰的程度,實現了在錯分 樣本的比例和區(qū)域容量之間的折衷。將上述的述優(yōu)化問題,轉換為其拉格朗日對偶問題進 行求解: 閨
      (13)
      [0057]其中,Qi為拉格朗日乘子。如果參數設置合理,高斯徑向基函數KU響)可W逼近 大多數核函數。本發(fā)明采用K(xi,xj)來代替函數內積((Hxi) ? (Hx如,實現由低維空間到 高維空間的郵射-
      [005引 (14)
      [0059] 假定支持向量的數量是化v,Xm表示一個支持向量,則超球體球屯、和半徑的計算公 式如下:
      [0060]
      [0061] (16)
      [0062] 6.異常檢測
      [0063] 針對直升機旋翼測試狀態(tài)特征向量集,根據正常狀態(tài)建立的模型,計算測試特征 的決策函數值。本發(fā)明將決策函數值定義為狀態(tài)特征向量偏離正常狀態(tài)模型中屯、a的程度。 若測試特征的決策函數值大于20%,則認為有異常發(fā)生。
      [0064] 對于測試樣本X可計算出其距離球屯、的距離為
      [00化]
      (17)
      [0066] 化笛品激(吿皆f;n 了.
      [0067] (18)
      [0068] 決策函數的具體計算過程可用算法2來描述:
      [0069] 算法2:計算決策函數值
      [0070] 輸入:待測試的樣本X,基于健康狀態(tài)特征建立的模型mode 1 [0071 ]輸出:樣本X的決策函數值
      [0072]
      【主權項】
      1. 一種振動數據驅動的直升機旋翼異常檢測的方法,其特征包括如下步驟: (1) 針對直升機旋翼振動數據的特點,按異常檢測過程的特殊需要對原始數據進行分 析和處理; (2) 選用信號處理領域的時-頻分析方法,對振動數據進行經驗模態(tài)分解獲取有限個內 蘊模式函數; (3) 用獲取的內蘊模式函數構建矩陣,并進行奇異值分解,將得到奇異值歸一化到區(qū)間 [_1,1],最終組成旋翼狀態(tài)特征向量; (4) 利用支持向量數據描述,選用旋翼正常特征構建超球體,檢測旋翼是否出現故障。2. 根據權利要求1所述的振動數據驅動的直升機旋翼異常檢測的方法,其特征在于,步 驟(1)針對直升機振動數據的分析和處理,其實現方法如下: (21)選用小波閾值去噪方法對原始的振動數據進行去噪處理。3. 根據權利要求1所述的方法,其特征在于,步驟(2)對去噪后的數據進行經驗模態(tài)分 解,得到有限個相互獨立的內蘊模式函數,獲取旋翼振動數據的時頻特性,其實現方法包 括: 針對振動數據x(t),確定x(t)上所有的極值點,然后用三次樣條曲線分別把極大值點 和極小值點連起來,形成上、下包絡線; 求出上下包絡線的平均值,記為m,將m從X (t)中分離出來: hi = x(t)-mi (1) 如果In滿足內蘊模式函數的兩個條件,那么In就是x(t)分解出來的第一個內蘊模式函 數,若hi不滿足內蘊模式函數的條件,則把In看作原始數據,重復前面的過程直至滿足相應 的條件或者預先設置的停止準則,記第一個內蘊模式函數為c 1; 把cdAx (t)中分離出來,得到 ri = x(t)-ci (2) 將^作為原始數據,根據以上過程繼續(xù)對^進行分解,直至rn變成一個單調函數,不能 再從中選出滿足內蘊模式函數條件的分量時,循環(huán)結束,最終滿足如下關系:(3) 其中rn表示殘余函數,代表振動數據的平均趨勢。利用經驗模態(tài)分解獲取的內蘊模式函 數為C1,Cy,Cn,獲取的內蘊模式函數之間兩兩相互獨立。4. 根據權利要求1所述方法,其特征在于,步驟(3)用獲取的內蘊模式函數構建矩陣,并 進行奇異值分解,將得到的奇異值歸一化到區(qū)間[_1,1],組成旋翼狀態(tài)特征向量 (41) 構建內蘊模式函數矩陣: 振動數據經經驗模態(tài)分解后變成了η個相互獨立的內蘊模式函數,記做C1~Cn,以內蘊 模式函數為列向量構建矩陣T; T=[ci C2 ··· Cn] (4) (42) 奇異值分解: 對內蘊模式函數矩陣T進行奇異值分解,獲取m個奇異值,將奇異值按從大到小的順序 進行排列,則〇1彡〇2彡...,構成的奇異值譜...,om]代表了旋翼振動數據的 狀態(tài)特征; (43)歸一化處理: 為了消除量綱屬性對異常檢測的影響,對獲取的奇異值進行歸一化處理,將數值規(guī)約 到[_1,1]之間。歸一化函數如下所示:⑶ 式中,σ/表示歸一化后的奇異值,分別表示第i個屬性的下限和上限,歸一化 處理后下限和下限分別變?yōu)?1和1。5.根據權利要求1所述方法,其特征在于,步驟(4)利用支持向量數據描述,選用旋翼正 常狀態(tài)的特征構建超球體,檢測直升機旋翼是否出現故障,實現方法如下: 基于旋翼正常狀態(tài)下提取的特征,利用支持向量數據描述,依據結構風險最小化原理, 對正常狀態(tài)的特征向量集X ={ XI,X2,…XN}構建超球體,該超球體盡可能多的包含正常狀態(tài) 的樣本特征同時盡可能降低接受異常特征的概率??紤]到訓練特征向量集中可能有少數正 常的特征偏離目標類,通過引入松弛因子L和懲罰參數C,允許少數樣本點分布在超球體區(qū) 域之外。構建超球體可轉化為以下優(yōu)化問題的求解:(6) 通過求解上述優(yōu)化問題,計算得到超球體的球心是a,半徑是R,對于新的樣本特征X,決 策函數定義如下:(7) 若樣本特征的決策函數值f (X )> 20 %,則認為有異常發(fā)生。
      【文檔編號】G06K9/62GK105956514SQ201610246471
      【公開日】2016年9月21日
      【申請日】2016年4月15日
      【發(fā)明人】皮德常, 何云
      【申請人】南京航空航天大學
      網友詢問留言 已有0條留言
      • 還沒有人留言評論。精彩留言會獲得點贊!
      1