基于IMF和粗糙度特征的发动机振动信号分析

航空发动机振动信号为典型的非平稳信号,包含了多种振源振动信息和大量的噪声分量。通过对航空发动机振动信号进行Hilbert-Huang变换,将复杂信号分解为代表不同物理意义的单分量固有模态函数(intrinsic mode functions,IMF),然后对每一个IMF信号提取广义粗糙度特征实现对振动信号的描述。由于各IMF分量的能量百分比大小表征了该分量信号的有效性,使用提取的能量百分比对各分量下的广义粗糙度特征进行加权,最后得到了对发动机振动信号进行描述的能量加权广义粗糙度特征。通过对航空发动机实际试车采集的碰摩振动信号和正常工况下信号的实验分析可以看出,两种情况下信号特征具有明显不同,说明该特征可以有效地对振动信号进行描述。

HHT统计特征在航空发动机振动分析中的应用

航空发动机振动信号包含了多种振源的振动信号和大量的噪声分量。通过对其进行Hilbert-Huang变换,将复杂信号分解为代表不同物理意义的单分量固有模态函数(Intrinsic Mode Functions,IMF),然后对每一个IMF子带信号提取基于能量加权的广义粗糙度特征实现对振动信号的描述。最后将上述特征送入SVM分类器进行训练,根据分类器的输出结果确定航空发动机的工作状态和故障类型。通过对实测航空发动机试车时得到的振动信号的实验分析结果表明,该算法可以有效地识别发动机的振动故障。