基于雙網格校正小波聚類的航空發(fā)動機轉子系統(tǒng)振動故障診斷.pdf

1、轉子系統(tǒng)是航空發(fā)動機這類典型旋轉機械的核心部件，它的正常與否關系到整臺設備的運行狀態(tài)，為了提高工作效率、避免重大事故發(fā)生，對轉子系統(tǒng)進行狀態(tài)監(jiān)測和故障診斷具有重要意義。隨著信息技術的發(fā)展，智能化逐漸成為故障診斷的發(fā)展方向，而隨著故障信息數據的劇增及“知識瓶頸”的存在，常規(guī)模式識別方法難以滿足現代故障診斷的要求，發(fā)展新的方法快速智能地實現轉子故障的模式識別及聚類診斷仍是當前的研究熱點。
　　故障診斷本質是應用數學方法對蘊含相關故障信

2、息的數據進行模式的自動處理和判別，本文探索了小波聚類方法在航空發(fā)動機轉子系統(tǒng)故障診斷中的應用：
　　首先，針對傳統(tǒng)小波聚類高維空間復雜度高的問題，提出了基于元胞儲存的改進小波聚類算法。以元胞數組結構儲存網格空間中含有有效數據的非空單元，避免網格單元的無效操作，同時應用元胞數組結構能夠對任意類型、任意尺寸的數據進行操作的特性，將數據內容及其地址建立在同一查找表上，構建映射關系，以徹底減小算法的空間復雜度。通過對轉子故障模擬實驗，對其

3、小波聚類故障診斷，結果表明：元胞儲存能夠降低算法的空間復雜度，提高算法的效率，基于元胞儲存的小波聚類能夠對轉子故障狀態(tài)進行很好的區(qū)分。
　　其次，針對傳統(tǒng)小波聚類算法采用相連定義聚類時精度和效率不夠的問題，提出一種基于廣度優(yōu)先搜索的改進小波聚類算法。該算法以小波聚類算法網格鄰居單元定義去改善廣度優(yōu)先搜索鄰居聚類算法人工輸入參數的敏感性，同時以廣度優(yōu)先搜索鄰居聚類算法類門限參數的設定去改善小波聚類算法類劃分不精確的缺陷。通過航空發(fā)動

4、機轉子模擬振動信號實驗數據，對其分別進行小波聚類，廣度優(yōu)先搜索鄰居聚類以及改進的小波聚類分析，結果表明：基于廣度優(yōu)先搜索的小波聚類能夠很好地改善傳統(tǒng)小波聚類的聚類精度和聚類速度，降低計算復雜度。
　　最后，針對網格聚類算法不可避免產生的MAUP問題，提出了一種基于雙網格校正小波聚類算法。該算法以最大密集網格規(guī)則下獲得的網格劃分K值時進行原始網格小波聚類，以均勻分布假設規(guī)則獲得的網格劃分K值下進行校正網格小波聚類，通過校正算法得到最