一种高速自动机损伤预示方法.docxVIP

一种高速自动机损伤预示方法 摘要：提出一种统计时频谱驱动的高速自动机损伤预示方法，利用瞬态冲击信号的时频分布变化检测瞬时冲击类故障。首先，从高速自动机服役性能跟踪试验中收集瞬态冲击信号；其次，计算瞬时频率特征用于表征非平稳瞬态冲击信号的演化过程；然后，建立瞬时频率特征的规范变量分析模型，提取瞬时频率间的最大相关信息，减少瞬态冲击信号间的信息歧义；最后，基于核密度估计方法确定健康状态阈值，对高速自动机的瞬时冲击响应信号进行监测。对某12.7 mm高速自动机的不同缺陷状态进行监测，验证了上述方法对瞬时冲击故障预示的有效性。 引言当前，在部队训练趋于实战化和常态化大背景下，高强度训练对兵器装备服役性能提出了更高要求，兵器装备安全性和可靠性日益受到关注。高速自动机是武器系统重要组成部分，由于在恶劣的工作环境中遭受复杂多变的工作载荷，各组成元件在设计、制造、装配过程中存在的缺陷逐渐暴露出来，武器系统卡滞、磨损等故障时有发生。如何保障武器装备的服役性能是一个需要迫切解决但又具有挑战性的课题。枪弹击发时，在火药燃烧产生的高压气体冲击下，系统各组件在极短时间内完成了复杂的运动形态转化过程，并伴随着一系列剧烈的冲击和振动。高速自动机复杂运动形态的响应信号是一系列非平稳短时瞬态冲击序列，其中既包含组件早期损伤的微弱状态信息，也混有大量背景噪声及其他干扰成分，导致武器系统早期故障特性不够明显。现有的智能故障诊断方法主要解决分类问题，需要大量的故障样本训练分类器，而实际应用中高速自动机历史故障样本却很难收集基于以上认识，提出了一种统计时频谱驱动的高速自动机损伤预示方法。通过短时傅里叶变换计算了瞬时信号的时频分布图，提取冲击信号的瞬时频率特征这一时变参数，构建基于核密度估计的CVA监测模型，并与动态PCA模型进行比较，验证了该监测方法对瞬时冲击故障的有效性。1 理论与方法1.1 瞬时频率瞬时频率描述了非平稳瞬时冲击信号的频谱峰值随时间的变化过程，它定义为信号时频分布的频率平均其中：P (t,f)为信号的功率谱，是关于时间和频率的二维分布函数，可通过对信号进行短时傅里叶变换得到。短时傅里叶变换采用滑动窗口将原信号分为一系列信号片段，并对每段信号做傅里叶变换，可以捕捉到冲击信号中有关早期故障的细节信息。1.2 规范变量分析规范变量分析方法是一种考虑时间序列相关性的动态维数减少方法，通过寻找一种线性组合使得两组变量间的相关性达到最大，从而提取两组变量间的关联信息，减少设备运行过程中不确定性的影响。基于规范变量分析的统计过程控制方法采用设备正常状态数据建立参照模型，生成健康阈值，然后将观测到的未知状态数据沿参照模型投影，统计数据投影和参照模型间的偏差作为健康指标，当其越过安全阈值则表明监测的系统发生故障。现假设有一观测序列x在进行最大相关性分析前，先对数据进行标准化处理其中：将标准化后的向量按列排列后生成过去和未来数据矩阵X其中：M=N-f-p+1;N为数据长度。X为揭示变量间潜在关系，对Hankel矩阵进行奇异值分解其中：S为对角矩阵，其对角元按照降序排列。若将前r个特征值对应的特征向量定义为维数减少矩阵V则过去数据矩阵XHotelling T其中：z1.3 核密度估计核密度估计无需先验假设就可以计算任意样本分布的概率密度函数，常用于设置健康指标的安全阈值其中：p(x)为变量x的概率密度函数，通过核函数K (?)计算。其中：h为宽度参数。若以μ表示变量的标准差，其最优值可计算为由式（17）可估计出统计量Tα一般取值0.99。由于两种统计量互补性可知，任一统计量越过安全阈值则可认为系统故障。1.4 高速自动机损伤预示方案统计时频谱驱动的高速自动机损伤预示包含特征提取、离线建模和在线监测3步：1）计算高速自动机正常状态信号的时频分布图，提取瞬时频率特征，组成多变量特征集合；2）训练CVA模型，用核密度估计确定高速自动机健康状态参考阈值；3）提取观测信号的瞬时频率特征，计算特征投影的偏差统计量，与参考阈值进行比较识别瞬时状态。高速自动机损伤预示方案如图1所示。2 实验与结果2.1 数据采集为了检测瞬时冲击类故障，实验收集到高速自动机在3种不同状态时的瞬时冲击信号，包括正常状态、闭锁片圆角附近深度为2 mm的裂纹故障以及枪机圆角处深度为1.5 mm的裂纹故障。这是由于火药燃烧产生的高压气体一部分为弹头提供动能，一部分通过枪管前端导气管推动枪机后坐，当复进簧受压后再推动枪机复进。在高温高压恶劣环境下，闭锁片是比较容易出现损伤的组件，后坐时枪机受到巨大冲击力也容易产生裂纹。高速自动机冲击试验平台如图2所示。因枪弹击发时