基于熵变匹配追踪的叶端定时数据缺失识别方法研究

为解决叶端定时系统在实际应用中存在的数据缺失问题,提出基于熵变匹配追踪的叶端定时数据缺失识别方法。该方法利用相关熵诱导度量基于高斯核函数度量样本的权重。不同于正交匹配追踪对所有观测数据赋予相同权重,熵变匹配追踪基于相关熵诱导度量变化,对观测数据赋予不同范数类型的权重,使得其对异常值具有较好的鲁棒性。通过仿真分析与实验对该方法的性能进行验证,结果显示所采用的熵变权重因子为数据缺失位置分配了接近于零的权重,有效降低了数据缺失对特征提取结果的影响,证明了该方法的鲁棒性。基于熵变匹配追踪的叶端定时数据缺失识别方法为叶端定时系统的装机应用提供了理论支撑,具有技术借鉴价值。

转子叶片低介入叶端定时测量技术

转子叶片是航空发动机与燃气轮机关键但易损的零件,叶端定时作为一种非接触式振动测量技术,被认为是发动机叶片监测的有效手段。叶端定时测量需在机匣上安装叶端定时传感器,受增重、安全、安装等因素制约,必须以安装最少数量传感器为前提条件开展测试。因此,减少传感器数量,开发低介入测量技术对于叶端定时的实际应用具有重要意义。围绕少传感、低介入需求,提出了基于主动混叠和解混叠的双传感测量方法和基于采样-混叠频率分布的单传感测量方法,以克服少传感测量信号严重欠采样的问题。分别对匀速和变速工况下叶端定时叶尖振动参数(固有频率、激励阶次等)进行辨识。所提出的单/双传感低介入方法均遵循以“混叠利用”代替“混叠抑制”的思想,为以叶端定时在内的欠采样信号分析提供了新思路。在此基础上总结出低介入叶端定时测量理论,分析了少传感测量所须遵循的基本原则。仿真分析和实验分析验证了所提出的低介入测量方法的有效性。

复合材料结构损伤识别与健康监测展望

复合材料构件是航空发动机、飞机机翼、机身和风力发电机等结构的重要组成部分,在包括航空、机械和土木工程等领域有极其重要的应用,然而受到其内部结构复杂性和制造缺陷的影响,复合材料的服役性能一直是制约结构安全性和经济性的一大瓶颈,因此针对复合材料结构的损伤识别和健康监测是领域内的研究热点及难点。笔者在论述了目前国内外技术发展和应用的基础上,系统地比较了复合材料结构损伤识别和健康监测的关键技术,讨论了该类技术的发展方向并进行了总结和展望。

自适应多尺度噪声调节二阶随机共振增强方法

经典双稳态随机共振系统通过各种参数地调节可实现噪声、周期信号及非线性双稳态系统的最佳匹配从而实现随机共振,促使系统输出的微弱周期分量得到了一定的噪声能量而达到增强的效果,从而有效检测出微弱的周期分量,但噪声能量利用有限,系统响应中仍存在一定的噪声能量。二阶随机共振增强的系统模型,借助“双重积分”实现噪声的重复利用,将噪声进行二次利用,有效促进高频噪声能量进一步转移到低频区域,有效提高输出响应的信噪比。考虑到多尺度带限噪声对随机共振的影响,并基于随机共振特殊低通滤波器的数学本质,提出了以协同信噪比(collaborative signal to noise ratio,CSNR)为目标函数,基于Paul小波的自适应多尺度噪声调节二阶随机共振增强方法,充分利用了小波的多分辨时频分析能力,将输入信号和噪声划分到不同频带,实现了不同频带信号和噪声强度大小的控制,以进一步改善随机共振检测效果。数值仿真、实验数据及工程实际应用均验证了该方法的有效性。

卷积神经网络在轴承故障诊断中的可解释性探讨

以轴承为例,对卷积神经网络在故障诊断领域中的可解释性进行了探讨,采用Grad-CAM方法,基于可视化的角度建立了神经网络的重点激活区域与目标类别之间的联系,并且利用凯斯西储大学的轴承数据库,分别从时域和频域的角度对LeNet,AlexNet和ResNet-18这3种应用较广的卷积神经网络结构进行了验证,结果表明,卷积神经网络在轴承故障诊断领域中对于样本的分类识别与人为的认知规律存在基本的相似性,可以为卷积神经网络在故障诊断领域的工程应用提供参考。

碳纤维层合板Lamb波损伤检测的加权块稀疏成像法

针对Lamb波稀疏阵列损伤成像方法中存在的成像分辨率低、伪点干扰大的问题,基于损伤在被测结构中的稀疏先验,提出了一种加权块稀疏重构的Lamb波损伤成像方法。首先通过Lamb波在薄板类结构中的线性传播模型,结合稀疏传感器阵列信息,构造过完备Lamb波散射的块稀疏字典;其次将测量得到的Lamb波散射信号在所构建的过完备字典下进行稀疏表示,将Lamb波损伤成像问题转化为加权l1范数最小化的凸优化问题;最后通过谱梯度投影法,求解所建立的加权块稀疏凸优化模型,得到损伤散射信号在该字典下的稀疏表示系数并以此作为损伤指标,实现对被测结构的损伤成像。碳纤维层合板上的模拟损伤成像结果表明:所提方法在单损伤成像中的定位误差为3.16mm,在双损伤成像中的最大定位误差为4.24mm。实验验证了所提方法的有效性,与传统延迟叠加成像法的对比表明,所得损伤成像结果具有更高的分辨率,更小的伪点干扰,但同时也需要更大的计算量。

采用非相关字典学习的滚动轴承故障诊断方法

针对轴承振动信号中早期故障特征难以识别的问题,提出了利用非相关字典学习稀疏提取微弱冲击特征,进而完成故障诊断的方法。字典的构造是影响稀疏表示算法性能的关键步骤,而传统字典学习方法构造的冗余字典,原子之间具有很强的相关性,不足以表现信号不同的结构特性,也不利于信号准确稀疏重构,进而影响了冲击故障特征信号的提取。因此,在K均值奇异值分解算法(K-SVD)的基础上加入了原子解相关的步骤,形成了非相关字典学习算法(INK-SVD)。采用INK-SVD算法在含噪振动信号段样本中,学习构造低相关性自适应字典;在此基础上,利用稀疏表示方法准确提取冲击故障特征,从而实现更准确的轴承故障诊断。通过仿真分析及实验数据分析,与传统字典学习方法相比,该方法稀疏系数恢复精确度更高,重构信号的包络解调谱更有利于故障特征的辨识,从而验证了该方法的有效性。

叶端定时中多重信号分类法的滤波特性研究

为了揭示多重信号分类法(MUSIC)具有滤除同步频率分量特性的数学机理,基于MUSIC方法中的信号子空间生成过程与主成分分析方法中的主成分生成过程的一致性,对MUSIC滤波特性进行了研究。以正弦信号假设下单频率分量的情况为例,证明了异步频率分量与同步频率分量的信号子空间分别可以用二维直角坐标系和一维坐标轴可视化表示。通过分析导向矢量在信号子空间坐标系中的位置得出,人为设置相位的导向矢量位于同步频率分量的信号子空间之外,从而导致了滤波现象的发生。仿真和实验结果表明:同步频率分量和异步频率分量同时存在于叶片振动信号的非共振区;MUSIC方法能够克服频率混叠且具有滤除同步频率分量的滤波特性;该滤波特性能够被导向矢量与子空间坐标系的相对关系解释。

孪晶密度和温度对纳米孪晶钛力学性能的影响

采用分子动力学方法模拟不同孪晶密度和不同温度下纳米孪晶钛单轴拉伸力学行为。模拟结果表明:室温下随着孪晶密度的降低,纳米孪晶钛的屈服强度出现先提升后降低的现象,材料存在临界孪晶密度。当孪晶密度小于临界孪晶密度时,孪晶界对晶粒的细化作用导致材料的强度提升。当孪晶密度大于临界孪晶密度时,孪晶界、晶界和两者交汇处的位错成核增殖成为材料变形的主导因素;且当孪晶密度远离临界值时,孪晶间隔变小、位错源增多,位错成核与增殖加剧,材料的强度降低。相同孪晶密度条件下,晶粒尺寸的减小会减少晶粒内孪晶界的数量,进而减少孪晶和晶界交汇处位错源的生成,增强了屈服强度。此外,温度的变化会影响原子的活跃程度和晶格的变形机制。随着温度的升高,原子间结合力下降,晶界附近原子结构无序化和HCP-BCC相变程度加剧引起材料的弹性模量、屈服强度下降,同时位错形核与运动的加剧影响了材料的塑性变形。

转子叶片碰磨故障诊断的叶端定时方法

叶端定时技术是近年来兴起的可用于整级叶盘健康监测的非接触式测量技术,为转子叶片振动的在线监测与故障诊断提供了可能。针对转子叶片常见的碰磨故障,分别建立了单叶片与整级叶盘动力学模型,分析了上述两种模型在碰磨故障下的叶尖动态响应;提出了受碰磨影响较为明显的振动指标;阐述了碰磨状态下传感器之间及叶片之间的叶端定时信号特征,通过增强稀疏分解算法对叶端定时欠采样信号进行了特征提取;提出了一套用于诊断碰磨故障的流程。通过自主搭建的碰磨试验台验证了提出方法的有效性。

2020年度机械设计与制造学科国家自然科学基金管理工作综述

介绍了2020年度国家自然科学基金委员会工程与材料科学部机械设计与制造学科(工程科学二处)科学基金项目的申请、评审和资助情况以及科学基金项目的进展与结题情况;阐述了学科在防控新冠肺炎疫情、落实科学基金改革任务、开展学术研讨与交流、加强人才培养与团队建设等方面的具体举措以及学科“十四五”和2021—2035年中长期发展规划战略研究工作。

转轴-轮盘-裂纹叶片耦合系统的叶尖振动特性

航空发动机叶片在极端恶劣环境中工作,容易产生裂纹进而缩短叶片寿命,严重影响航空发动机的安全运行。以转轴-轮盘-裂纹叶片耦合系统为研究对象,采用有限元、假设模态混合的建模策略,利用有限元模拟转轴,基于Kirch⁃hoff板理论、Timoshenko梁理论模拟轮盘、旋转叶片,并根据时变的释放应变能确定呼吸裂纹导致的时变损失刚度,建立了相应的动力学模型;通过对比耦合系统的固有特性和振动响应验证了提出方法的正确性;剖析了重力载荷、转子不平衡力、气动载荷对叶尖振动特性的影响,并研究了不同无量纲裂纹深度和裂纹位置对叶尖振动特性的影响。研究结果表明:健康叶片中,重力载荷会导致叶片产生振动,转子不平衡力会导致叶片发生静变形;在旋转状态下,裂纹叶片导致叶尖弯曲位移产生偏移量;在气动载荷作用下,呼吸裂纹导致叶片发生非线性振动;常值分量与转频幅值比、常值分量与气动激励频率幅值比是评价呼吸裂纹的有效指标。本文的建模方法和分析结论可为航空发动机叶片裂纹故障诊断提供了一定的理论依据。

基于多变量小波有限元的一维结构分析

基于区间B样条小波(B-Spline Wavelet on the Interval,BSWI)和多变量广义势能函数,该文构造了二类变量小波有限单元,并用于一维结构的弯曲与振动分析。基于广义变分原理,从多变量广义势能函数出发,推导得到多变量有限元列式,并以区间B样条小波尺度函数作为插值函数对两类广义场变量进行离散。此单元的优势在于可以提高广义力的求解精度,因为在传统有限元中,只有一类广义位移场函数,所以广义力通常是通过对位移的求导得到,而多变量单元中,广义位移和广义力都是作为独立变量处理的,避免了求导运算。此外,区间B样条小波是现有小波中数值逼近性能非常好的小波函数,以它作为插值函数可进一步保证求解精度。转换矩阵的应用,可以将无任何明确物理意义的小波系数转换到相应的物理空间,方便了问题的处理。最后,通过数值算例对Euler梁和平面刚架的分析,验证了此单元的正确性和有效性。

增强稀疏分解及其在叶片振动参数识别中的应用

叶端定时是发动机叶片监测有效手段,相比于传统的应变片测量方式,叶端定时不仅可以同时监测所有叶片的振动状态,而且不会对叶片本身的振动造成影响。但是叶端定时采样数据存在高度欠采样的特点,针对该问题,提出基于增强稀疏分解(Enhancing sparse decomposition, ESD)的叶片振动参数辨识技术。稀疏分解是一种在冗余字典中对信号进行分解,通过求解优化问题得到信号在冗余字典下最稀疏解的信号处理方法。增强稀疏分解相比于传统的基追踪算法,可以得到更为稀疏的解。在建立了增强稀疏优化模型后采用原对偶内点法对优化问题进行求解,从而实现信号特征参数的有效辨识。将提出的基于增强稀疏分解的叶片振动参数辨识技术应用于不同类型的仿真数据和转子叶片试验台参数辨识,并与传统的MUSIC算法和最小二乘拟合相对比,提出的算法可以有效避免频谱混叠和泄露现象,并滤除其他频率成分的干扰,得到更清晰的谱图。

基于压缩感知的叶端定时信号参数辨识方法

叶端定时技术作为一种非接触式测量手段,在实际应用中的主要问题之一是测量信号欠采样。压缩感知方法是解决信号欠采样问题的有效手段,但由于求解过程中引入了正则化项,在提高稀疏度时,降低了幅值重构精度,而转子叶片振动幅值参数的准确辨识对于叶片动应力重构具有重要意义。将叶片振动方程设计矩阵与压缩感知字典相结合,在不依赖先验信息的条件下对叶片振动参数进行辨识。首先,根据振动方程设计矩阵形式及关注的最大振动频率,构造压缩感知字典;其次,通过叶端定时信号稀疏表示中的非零元素所在位置,从压缩感知字典中提取对应原子构成设计矩阵进而求得振动参数;接着,叶端定时(BTT)模拟仿真结果表明,所提方法可有效辨识叶片单模态、多模态振动参数;最后,开展旋转叶片振动测试试验,同时利用应变片和叶端定时系统采集振动信号,结果表明,与应变片测量结果相比,提出的方法振动频率辨识相对误差仅为0.14%;对比4个叶片的位移-应变传递比,其中偏离均值的最大百分比仅为2.15%。

基于导波传播模型的MUSIC损伤识别算法

针对结构健康监测领域的损伤近场定位问题,提出了适用于复合材料结构损伤识别的近场二维多重信号分类(MUSIC)损伤识别算法。该损伤识别算法将导波传播模型引入近场二维MUSIC损伤识别模型,构造损伤散射信号与实验差信号的互相关矩阵,通过信号子空间与噪声子空间正交特性构造近场二维MUSIC空间谱。通过数值仿真和实验验证了所提出的损伤识别算法能够有效地识别复合材料结构损伤位置信息,具有很高的定位精度和分辨率。针对飞机垂直尾翼的加强筋结构对导波传播特性影响较大的问题,提出了分区域监测的损伤检测策略,并利用基于导波传播模型的二维MUSIC空间谱损伤识别算法成功地识别飞机垂直尾翼结构损伤,实现了复杂复合材料结构损伤识别的工程验证。