人工智能技术在航空发动机轴承故障检测中的应用(1).pdfVIP

人工智能技术在航空发动机轴承故障检测中的应用

徐博铭

（沈阳航空航天大学，辽宁沈阳110136）

要：运用函数进行决策分类，提取航空发电机轴承振动信号的特征。利用离散正交小波变换法进行去噪处

理，建立故障分析模型对轴承故障振动信号特征进行分析。运用人工智能技术将故障信号进行优化，在训练信息

不完整的情况下使用隐藏BP网络，对故障进行分类与识别。调整权重对负梯度方向进行修正，变化步长进行寻

优。将计算得到节点中获得的最大值与实际值进行比较，通过故障与神经元的相互作用准确定位故障发生的具

体位置从而完成检测。实验结果表明，实验组振动幅值在［-10，10］，为3个小组的最小振动幅值波动范围，每种

故障分类准确性均为100%，提升检测结果的精准程度，实现了人工智能技术在航空发动机轴承故障检测中的良

好应用。

关键词：人工智能；发动机；轴承；检测

中图分类号：TM76文献标识码：BDOI：10.16621/j.cnki.issn1001-0599.2024.09D.09

0引言下，实时信号的频谱难以达到预期检测效果。因此，本

在航空发动机轴承故障检测中，需要对轴承故障文以航空发动机轴承故障检测为研究对象，运用人工

进行及时分析与排除。为了减少由轴承故障引发的航智能技术，结合实际情况进行实验与分析。

空发电机故障，根据原则设置对应的阈值进行信号去1人工智能技术在故障检测中的应用

噪，保证航空发动机的安全运行。结合电流与故障振动1.1轴承故障振动信号的去噪处理

信号间的关联性，运用故障检测方法能够对故障特征对航空发动机的轴承故障振动信号进行去噪处

[2]

进行对比分类，在航空发动机检测中进行合理化研究理，防止噪声信号对原始信号进行干扰。在去噪处理

与处理。之前，需要结合轴承振动信号的故障特征向量进行特

在航空发动机轴承故障检测中，对故障样本数据征提取，设定向量X={x，x，…，x}为轴承振动信号的

12n

进行科学的分析，可以在短时间内确定航空发动机轴故障特征向量。通过设定向量能够对故障位置进行定

承故障种类，建立完备的故障诊断知识库。同时，通过位。其中，n为振动信号固有分量。通常情况下，轴承的

样本找出故障原因，在知识库中运用图形化的知识表故障信号主要位于高频部分，所以需要先识别航空发

示，较好地解决了知识内容庞大的问题，使得库更新速动机轴承的故障信号。在故障识别过程中，运用分析决

度加快，提高诊断效率。而且通过航空发动机轴承故障策函数进行计算的公式为：

检测方法的应用，能够对发动机的性能进行评估与维n

F（x）=g蓘移（x，x）+琢蓡（1）

护，在定位与检测中可以根据发动机的性能进行异常i=1i

分析，提高故障诊断的可靠性，保证诊断系统知识库的其中，（x，x）为核函数；琢为信号故障幅值与正常

i

完备性。由于传统故障检测方法检测时间长，检测准确信号幅值之间的差值；i为分量。

[1]

率低，受噪声信号影响较大。在故障分析过程中去除通过运用函数进行决策分类，完成对航空发动机

信号中频率较高