吴灿,故障诊断终稿.docVIP

一. 军事需求与国内外研究状况 （一）军事需求 （二）国外研究现状 （三）国内研究现状 （四）主要差距 （五）本单位研究基础 二. 研究目标、研究内容与技术指标 （一） 研究目标 本报告以舰用燃气轮机为研究对象，设计相应的数据采集系统，在分析不同故障机理的基础上，选择合适的故障诊断算法，建立舰用燃气轮机的故障诊断模型，完成舰用燃气轮机故障诊断方案的设计，以期实现满足工程要求的故障预诊断准确率，为实现舰用燃气轮机健康状态提供依据。 跟踪和分析国外先进舰用燃气轮机健康状态监测评估及预警技术发展状况，根据燃气轮机对健康状态监测评估及预警的要求和技术指标，完成舰用燃气轮机健康状态监测评估及预警系统设计技术研究。以某型舰用燃气轮机为具体研究对象，设计舰用燃气轮机健康状态监测评估及预警系统，集成先进的燃气轮机主机和各系统的故障诊断的关键技术，实现舰用燃气轮机健康状态监测评估及预警效能。 （二）研究内容 舰用燃气轮机故障预测方案的研究是舰用燃气轮机健康状态监测评估及预警技术研究的重要部分，主要研究内容如下: 1. 对故障诊断方法进行探讨和研究。选择舰用燃气轮机的故障预测算法， 常用的如有神经集成网络算法，EMD-AR模型和灰色关联度诊断算法，支量向量机算法，研究算法可行性，及误差级别。 2. 对故障诊断的模型进行研究，建立多种故障诊断模型，运用合适的算法进行验证其可靠性，选出最佳故障诊断模型。 3. 故障诊断机理研究，弄清诊断的原理。 4. 故障诊断软件包研究，研究该算法的原理与编程实现，并通过仿真试验验证其有效性。 （三）关键技术 对舰用燃气轮机健康状态进行全面监测，确定舰用燃气轮机健康状态主要影响因素，综合分析舰用燃气轮机结构特性和工作机理，设计先进的故障诊断算法，构建适合工程应用的故障诊断模型，深入分析舰用燃气轮机常见的故障模式，研究故障形成机理，设计故障推理机与专家系统，实现及时准确的对燃气轮机进行故障诊断，降低虚警率，提升系统安全性。因此，舰用燃气轮机故障诊断技术是舰用燃气轮机健康状态监测、评估及预警的关键技术之一。 （四）．考核指标 1．舰用燃气轮机故障诊断准确率大于95%。 2．故障检测率(FDR)：在规定期限内和规定条件下用规定的方法能够正确检测出的故障数与所发生的故障总数之比。 FDR=D0/D1×100% （这是定义，不是指标；3和4也是） 式中：D0为正确检测出的故障数；D1为所发生的故障总数。 3．故障隔离率(FIR)：在规定的期限内,产品被检测出的故障,在规定的条件下用规定的方法能够正确隔离到少于或等于I个可更替单位的百分数。 FIR=I0/I1×100% 式中：I0为故障中定位到规定可更换单元的故障数；I1为检测到的故障数。 4．虚警率(FAR)：在规定的期限内,测试装置发生的虚警次数与显示的故障总数之比。 FAR=N0/N0+N1×100% 式中：N0为设备发生的虚报警数；N1为实际发生的故障数。 三、拟采取的研究方法及途径 （一）研究方法 为完成航空发动机预测与健康管理系统总体方案的研究工作，有效解决系统开发过程中遇到的问题根据实际需求，本方案拟采用以下方法对EPHM系统进行研究： 1. 统计分析方法：利用统计分析的方法，实现对系统需求，功能设计和结构分析等方面的研究，为给出切实可行的设计方案提供充分的论据。 2. 数学建模方法：采用数学建模方法对系统的典型故障，寿命变化趋势和寿命管理功能模块进行系统建模，为设计有效的算法系统提供基础； 3. 模糊关联分析法：采用模糊关联分析法对EPHM系统整体方案的有效性和合理性给出判断和改进。 （二）研究方案 舰用燃气轮机故障诊断技术研究方案 图1 舰用燃气轮机故障诊断技术研究方案 故障诊断推理机对舰用燃气轮机的实时健康状态信息进行详细的故障诊断推理。对预处理后的相关信息进行故障案例匹配，若匹配成功则直接输出诊断结果。否则，对选定的参数进行特征提取，并通过多种不同的故障诊断算法实现对燃气轮机的故障诊断效能。由于诊断算法多样且各有利弊，选择多种算法对其进行诊断。支持向量机的决策仅取决于样本中的支持向量，能更好地应用于不平衡样本分类问题，对非线性、高维及小样本等问题具有特有的优势；EMD能把复杂信号分解为有限的IMF之和，每个IMF所包含的频率成分随信号本身而变化，非常适合处理非线性、非平稳信号；灰色关联度诊断是把反映模式的特征向量看作是一维空间的折线，通过计算关联度进行几何相似的比较，从而定量地确定模式间关联程度的大小；集成神经网络诊断系统是一种基于信息融合提出的神经网络诊断技术。它通过多种不同的诊断途径，采用多个子神经网络，从不同的侧面诊断故障，并对各子网络的诊断结果进行融合，最大限度的提高诊断正确率。最后对诊断结果进行融合，可以得到更