基于深度信号分离的航空发动机可解释智能诊断方法

针对现有时频分析和信号分解等谐波提取方法在进行旋转机械无键相阶次跟踪应用时,存在无法自适应提取具有明确物理意义的转速谐波分量的问题,提出一种基于时频空间深度二值掩蔽模型的可解释性转速谐波信号自适应分离方法。首先构造一系列具有明确物理意义的转速谐波瞬时频率变化的仿真模板信号作为深度二值掩蔽模型的训练样本,然后利用构建的仿真模板信号转速基础谐波和高阶谐波的时频表征生成基础谐波时频空间二值掩蔽模型训练目标,建立起仿真模板信号时频空间和转速基础谐波时频图像之间的深度非线性映射关系,以实现转速基础谐波分量的准确分离提取和高阶谐波分量的可信掩蔽抑制,确保经深度二值掩蔽模型所得到的谐波分量具备明确的物理意义。再将深度分离所得的基础谐波分量经希尔伯特变换得到与转速信号深度非线性映射相关的瞬时相位信息,并将其应用于原始信号等角度重采样中以完成精确的阶次跟踪。综上所述,所提方法克服了传统无键相阶次跟踪方法严重依赖专家经验的问题,可为传动系统的无键相阶次跟踪提供具有明确物理意义的瞬时相位支撑。