铁谱磨粒图像多焦点融合算法研究

铁谱分析技术是一种常用的磨损监测技术。受限于高倍物镜下的景深限制,一张铁谱大磨粒图像往往只有局部聚焦清晰的特征。为了能够解决在高倍物镜下铁谱大磨粒图像的自动化清晰采集以及高质量图像融合问题,设计并构建一套自动化扫描显微系统,该系统可进行多焦点铁谱图像的自动扫描采集;同时,提出一种基于相位一致性的铁谱磨粒图像多焦点融合算法,对自动扫描的多焦点图像进行融合,得到清晰的磨粒图像。实验结果表明,设计的自动化扫描显微系统能快速完成多焦点铁谱图像的自动化采集流程,提出的图像融合算法相较于传统的小波图像融合算法具有更高的图像评价质量,并能获得更加清晰的图像边缘信息。

基于SFA-LOF-LDD的航空发动机异常检测方法研究

航空发动机异常检测对于准确了解飞机健康状态、支持维修决策、保障飞行安全具有重要意义。针对航空发动机气路部件的长期退化行为,提出一种基于慢特征分析和局部离群因子的动态阈值异常检测方法。首先,充分利用慢特征分析的优势提取气路参数随时间缓慢退化的有效特征。然后,计算特征空间样本的局部离群因子来构造监控统计量,定量表征发动机的健康状态。考虑固定阈值对气路状态时变特性的适应性差,利用基于局部分布差异的自适应窗口调整策略,设置动态阈值有效降低气路参数微小波动导致的虚假报警。最后,通过航空发动机实际运行数据进行验证,结果表明:所提方法能提前识别异常点,并且有效降低假警的发生。

基于网络共享的材料性能数据库系统

针对材料性能数据管理的需求,文中提出一种材料性能数据网络共享方案,该设计包括材料性能数据采集、数据查询、数据分析、数据可视化以及数据安全管控模块的材料性能数据库系统,能解决现有材料性能数据库网络化共享不足、数据融合及多学科支持不足、智能化服务不足、标准化不足和数据安全管控不足等问题。采用分级访问控制策略,用户登录系统后对材料性能数据进行标准化处理并存储,形成共享材料性能数据库;再对存储的标准化处理后的材料性能数据按照权限进行受控查询共享,对受控查询共享得到的材料性能数据进行对比分析;最后,对得到的受控查询共享结果和得到的对比分析结果进行可视化展示。数据库系统采用基于B/S跨平台J2EE的MVC架构集成第三方计算平台,用户通过浏览器及网络可方便使用材料性能数据及相关服务;数据库采用MongoDB,支持分布式存储及高效查询。

基于GMR和VAR的复杂工况下齿轮箱早期异常检测

针对复杂工况下齿轮箱的全寿命周期振动信号进行早期异常检测分析。首先,使用时域同步平均算法对原始数据进行预处理;其次,为了减小工况变化对信号的干扰,基于齿轮运行残差(GMR)信号去除基础啮合频率及其谐波信号,运用EVIEWS软件建立向量自回归(VAR)模型并计算残差;最后,通过计算残差的峭度、标准差和均方根等判断齿轮异常发生的时间点,并与基于时域同步平均的方法进行对比。结果表明,所提方法能够在第109号文件检测出齿轮箱发生早期故障,比现有方法提前20个文件发现异常,为齿轮箱的早期故障诊断和维修决策奠定了基础。

基于全流量光学传感器的磨粒运动特性研究

针对航空发动机滑油系统管路中磨损颗粒的运动特性进行了研究。首先,建立磨粒的运动学方程,分析影响运动的主要因素;然后,自制全流量在线光学传感器,并搭建磨粒运动监测系统,再结合高效卷积算子(ECO)算法对动态磨粒进行跟踪以及速度测算;最后,利用仿真软件,对多个影响因素进行多元回归方程的拟合。研究结果表明:回归方程的拟合度较高。同时,各因素对颗粒运动速度影响的重要程度依次为:油液的流速、颗粒的密度、油液的粘度、颗粒的粒径。同时,油流的速度与颗粒的运动速度呈正相关,颗粒的密度、油液粘度、颗粒的直径与颗粒的运动速度呈负相关。

自动化便携式铁谱仪的设计与实验研究

设备油液中的磨粒携带的各种特征信息是设备进行故障诊断与维护的重要依据,铁谱仪是分析研究机械设备磨损状态的专用设备。为满足铁谱仪自动化以及制谱分析过程快捷方便的要求,设计了一套便携式铁谱仪系统。该铁谱仪采用单片机控制,运用PID速度环控制方法,实现了从制谱到清洗的全自动过程,成功制得沉积效果良好的谱片。结合自动扫描显微镜观测部分,以图像灰度方差函数为目标函数,采用变步长遍历搜索法,实现了图像的自动聚焦与采集,验证了自动化便携式铁谱仪的制谱效果。

基于静电监测和神经网络的航发典型故障诊断

为解决航空发动机中典型气路机械故障模式的诊断问题,开展了故障模拟静电监测实验。利用经典特征参数分析了4类典型故障模式下的静电信号,在此基础上进一步提出几类新特征指标和初始故障判别逻辑理论,并利用Fisher准则方法对所提新特征指标的有效性进行验证。提出一种基于自组织映射神经网络的气路故障诊断工程化应用方法,并对故障诊断算法进行实例验证,结果表明,基于静电信号和自组织映射神经网络的气路故障诊断方法能够很好地识别不同故障模式并具备良好的可视化表达效果,为气路故障诊断提供了一种很好的工程化研究方法。

民机PHM预测维修模式在空调系统的应用

针对故障预测与健康管理(Prognostic and health management,PHM)技术在民机维修工程中的应用问题,探讨了基于PHM的预测维修模式设计,提出了考虑PHM的初始维修任务分析流程以及基于PHM的预测维修模式实施方法。以B737NG空调系统为例开展验证研究,建立了基于数据驱动的空调系统PHM模型,设计了空调系统PHM维修模式,并基于历史运行数据开展了计划维修模式与预测维修模式下维修成本对比分析。研究结果表明:基于PHM的维修模式不仅可以取消部分定期检查工作,还可以通过提前监测减少非计划的维修事件,进而降低民机系统全寿命周期维修成本。成本效益分析表明:相比传统计划维修,PHM维修可降低40%以上的成本,进一步推广应用到整机其他系统将带来更大的经济效益和安全效益。

基于检查数据和物理退化模型的涡轮叶片检修策略优化

根据发动机涡轮叶片在日常使用过程中的损伤检修数据确定其失效概率分布函数,应用Paris公式对叶片裂纹增长进行反演分析,得到在指定阈值下可检裂纹长度与初检时间的对应关系;再模拟裂纹增长过程,得到叶片在寿命周期内各个检查时刻的状态;最后通过仿真结果的统计分析得知叶片的失效概率。案例研究结果表明:叶片在服役过程中如果初检时间太早,初检时扩展裂纹长度小,不易被检测到,后续的重复检查间隔长,在各重复检查时刻容易产生失效;如果初检时间太迟,叶片在初检时会接近甚至超过临界损伤值,也增加失效概率。在允许失效概率为10-5的条件下,涡轮叶片在计划运行周期内的最优检查次数12次,最优初检时间和重复检查间隔分别为1 371循环和307循环。所提方法和研究结果为航空公司机务维修人员和发动机工程师的风险评判和检修决策提供依据和参考。

多源信息融合的航空发动机异常检测方法研究

针对航空发动机中单参数表征性能不全面,且易受外部环境和飞行工况等因素影响的问题,提出一种基于谱回归和高斯混合模型的多源信息融合的健康因子构建方法。选取记录完整并与发动机健康性能关系密切的参数,以同架飞机左右发动机的性能参数差异值作为数据源,通过谱回归进行特征降维,采用高斯混合模型构建正常状态模型,再以基于贝叶斯推断的距离表征测试数据与高斯混合模型的全局距离判别发动机的异常状态。通过两个航空发动机异常事件案例中真实QAR数据进行验证,结果表明所提方法相较于航空公司能够更有效评估航空发动机的健康状态,提前识别出发动机的异常点,预留出足够的时间为发动机制定可靠的维修计划,提高飞机的安全性与经济性。

复合材料低速冲击损伤评估数值分析与试验研究

针对复合材料低速冲击损伤模式复杂多样以及损伤评估时损伤表征参数选取和简化困难的问题,通过编写VUMAT子程序,采用三维Hashin准则和Cohesive界面单元建立了复合材料从低速冲击损伤发生到损伤后压缩破坏的全过程仿真分析模型,用于复合材料低速冲击损伤评估,考虑了复合材料损伤模式的多样性,规避了损伤表征参数的选取和简化问题。分别进行了复合材料低速冲击试验和冲击后压缩试验,从冲击响应、损伤情况和剩余强度三方面将试验结果和仿真结果进行了对比,对比效果良好,表明建立的模型适用于复合材料低速冲击损伤评估。采用该模型进一步对冲击能量和冲击角度对损伤的影响进行了探讨。

基于阵列式静电传感器的颗粒带电量估计方法

颗粒所处空间位置对静电传感器探极表面的感应电量有重要影响,采用单传感器结构难以准确测量颗粒所带电量。采用平面阵列式传感器求解颗粒所带电量及其空间位置,以解决单传感器结构存在已知量无法满足求解条件的问题。使用COMSOL Multiphysics建立阵列式静电传感器的高保真传感数值模型,结合静电传感器传感模型的理论和方法,通过实验验证所建模型对带电颗粒运动与静电感应过程的有效性。提出一种基于Tikhonov正则化方法的颗粒带电空间分布求解算法,实现单个颗粒所带电量及其空间位置的确定。经仿真与实验验证,颗粒反演带电量与实际带电量误差绝对值低于8%。所提方法可准确反演带电颗粒所带电量及其空间位置。

考虑预测与健康管理的民机维修成本效益仿真评估方法

航空维修是飞机运营支持的重要工作之一,是航空公司保障安全飞行和控制运营成本的关键途径。目前应用实时故障预测与健康管理(Prognostic and health management,PHM)于航空维修领域还处于研究阶段,缺少工程实践数据和案例。针对缺乏应用PHM技术的飞机维修相关验证与评估数据的问题,本文基于PHM的维修模式概念,建立PHM维修模式下的计划维修优化、非计划维修可控和PHM错误影响分析模型。借助计算机仿真技术,由不同的系统PHM性能参数输入,根据所建立的模型进行实施PHM前后的维修工时、维修成本和非计划维修事件数的仿真模拟计算,验证与评估基于PHM的维修模式在减少维修工时、节约维修成本和控制非计划维修事件方面的优势。选取空调系统作为验证评估对象进行了大量的仿真试验分析,在单一系统的理想状态下(即性能参数设置为最佳),基于PHM的维修模式相比于传统的预防性维修可以减少56%的维修工时,节约60%的维修成本,并且避免了88%的非计划维修事件。

基于IETM的电子训练系统设计

在分析电子化培训训练需求基础上,提出基于IETM的装备电子训练方案。将基于S1000D标准的IETM数据模块及实体文件按照培训训练课目要求及相关标准进行转换、封装,发布形成电子训练课件包。根据训练场景及任务、产品任务,构建装备电子训练运行环境,开发训练策略,形成训练课程。将训练课件导入训练课程,根据训练大纲、训练任务计划执行训练任务,实现装备电子化训练,训练过程中记录相关数据。训练结束后评估学员训练效果、训练任务及课程设置合理性等。文中给出装备电子训练平台框架及软件实现技术架构,依据装备训练需求,进行软件功能设计,采用平台无关的J2EE及Ajax技术设计装备电子训练系统。该系统已在多套装备的训练中使用,其安全性、界面友好性、图文交互性及通用性得到了验证。

基于概率风险分析的航空发动机控制系统故障风险评估

由于规章符合、生产制造和运行环境中的不确定因素,航空发动机控制系统的实际运行风险往往高于设计阶段的预计风险,存在重大的潜在危险。针对该问题,对发动机控制系统故障风险模式进行了分析,提出了基于概率风险分析的发动机控制系统实际风险评估方法,从底层故障、发动机推力控制丧失事件和飞机级后果3个层次进行逐层评估。以CFM56-7B发动机VSV作动筒故障风险评估过程作为示例进行了故障风险评估,本研究可为发动机控制系统持续阶段风险管理提供参考。

基于HOG和SVM算法的磨粒图像在线监测技术

为了解决发动机润滑油液磨粒图像监测只适用于微流且易受气泡干扰等问题,设计了一种可适用于相对大流量工作环境的油液磨粒光学图像在线监测系统,区分气泡和磨粒。通过该监测系统,批量采集了一系列磨损颗粒和气泡图片,用于后续图像分类算法的训练与测试。采用了一种基于背景差分和大津法的运动物体提取算法提取出大量磨粒及气泡图像样本,运用基于方向梯度直方图(Histogram of oriented gradients,HOG)进行特征提取和支持向量机(Support vector machine,SVM)分类算法对气泡和磨粒进行识别。实验结果表明,该监测系统能有效采集磨粒及气泡图像并进行自动识别。与基于形态学特征提取算法以及K最近邻(K⁃nearest neighbor,KNN)等传统分类算法相比,HOG⁃SVM算法分类精度更高,识别准确率可达83.8%。

基于微流控的油液动态磨粒目标检测方法

设计了一种基于微流控的油液磨粒在线监测系统,提高了磨粒测量精度和检测效率,研究了图像退化模型,运用基于频域的方法进行估算运动模糊尺度,使用维纳滤波方法对磨粒运动模糊图像进行恢复;提出了一种基于显著性的油液动态磨粒目标检测方法,利用视觉显著性提取图像感兴趣区域的方法对动态磨粒进行监测。基于频域残差显著性计算,提取感兴趣区域,在此基础上构建评价指标,完成了磨粒目标检测。研究结果表明,相较于传统目标检测算法,基于显著性的磨粒目标检测算法简单有效,在保证较高检测准确率的前提下,提高了磨粒检测效率,减少目标检测时间,对实现颗粒在线监测具有较大意义。

Time Sequence Change-Point Model of Electrostatic State Parameters of Aircraft Engine

Electrostatic monitoring technology of particle charging information can facilitate online monitoring of aero-engine,which effectively enhances engine fault diagnosis and health managements.Unlike traditional engine state monitoring technologies,aircraft engine monitoring by gas path electrostatic monitoring not only covers the predicted information source itself,but also detects the information that can provide an early warnings for initial fault states through gas path charging levels.This paper establishes a non-stationary time sequence change-point model for anomaly recognition of electrostatic signals based on change-point theory combined with difference method of non-stationary time series.Finally,electrostatic induction data were utilized by the engine life test for a particular aircraft to validate the proposed algorithm.The results indicate that the activity level and the event rate were0.5—0.8(nc)and 50%,respectively,which were far greater than 4—12(pc)and 0—4% under normal working conditions of the engine.

Joint optimization of sampling interval and control for condition-based maintenance using availability maximization criterion

Most of the maintenance optimization models in condition-based maintenance(CBM) consider the cost-optimal criterion, but few papers have dealt with availability maximization for maintenance applications. A novel optimal Bayesian control approach is presented for maintenance decision making. The system deterioration evolves as a three-state continuous time hidden semi-Markov process. Considering the optimal maintenance policy, the multivariate Bayesian control scheme based on the hidden semi-Markov model(HSMM) is developed, the objective is to maximize the long-run expected average availability per unit time. The proposed approach can optimize the sampling interval and control limit jointly. A case study using Markov chain Monte Carlo(MCMC)simulation is provided and a comparison with the Bayesian control scheme based on hidden Markov model(HMM), the age-based replacement policy, Hotelling’s T2, multivariate exponentially weihted moving average(MEWMA) and multivariate cumulative sum(MCUSUM) control charts is given, which illustrates the effectiveness of the proposed method.

Real-Time Electrostatic Monitoring of Wear Debris for Wind Turbine Gearbox

Engineering practice has shown that early faults of gearboxes are a leading maintenance cost driver that can easily lower the profit from a wind turbine operation.A novel oil-lubricated electrostatic monitoring of wear debris for a wind turbine gearbox is presented.The continuous wavelet transform(CWT)is used to eliminate the noises of the original electrostatic signal.The kurtosis and root mean square(RMS)values of the time domain signal are extracted as the characteristic parameters to reflect the deterioration of the gearbox.The overall tendency of electrostatic signals in accelerated life test is analyzed.In the eighth cycle,the abnormal wear in the wind turbine gearbox is detected by electrostatic monitoring.A comparison with the popular MetalScan monitoring is given to illustrate the effectiveness of the electrostatic monitoring method.The results demonstrate that the electrostatic monitoring method can detect the fault accurately.