毕业设计（论文）报告纸 编号 南京航空航天大学毕业论文题 目航空发动机转子系统多故障的集成神经网络诊断方法研究学生姓名王晓军学 号070230112学 院民航学院专 业民航机电工程班 级0702301指导教师陈果 副教授二六年六月1 航空发动机转子系统多故障的集成神经网络诊断方法研究摘要民航发动机转子故障直接关系到民航飞行的安全，如何有效，准确，便捷的诊断航空发动机的故障时当今民航安全的一个重要课题，人工智能集成神经网络在航空发动机故障诊断方面显示出了强大的生命力，在民航飞行的安全方面有着重要的作用，同时为发动机故障诊断工作提供了一个更为方便、快捷、准确的方法。 本论文主要研究内容：对发动机常见的四种故障（不对中、不平衡、碰摩、油摩涡动）进行模拟实验分析，取得了大量的实验数据，并对取得实验数据进行分析，特征提取，形成神经网络的样本库。针对每种故障建立智能神经诊断子网络，最后对这四种网络就行集成，并能用于发动机故障的诊断，达到一定的识别率。关键词：航空发动机，故障诊断，集成神经网络，不平衡，不对中，碰膜，油膜涡动Studying on integration neural networks for multi-faults diagnosis of aero-engine rotor systemabstractThe rotor faults have directly important influence on aviation safety, so, how to diagnose the faults of the aero-engine accurately, effectively and conveniently is an important topic about aviation safety. Integration neural network about artificial intelligence possesses a strong advantage in the fault diagnosis of the aero-engine. It has an important influence on civil aviation safety. At the same time, it is a wonderful method to diagnose the faults of the aero-engine.The main contents in this paper are as follows:(1) To do some simulated tests about the four familiar faults (unbalance, misalignment, rub, oil whirl), a lot of data is obtained.(2) Then frequency characteristics are extracted from these data to form samples for neural networks.(3) Son-neural network for every fault is set up, and samples are used to train and test the neural networks.(4) To assemble the four neural networks in the last. The integration neural networks can be used to solve problems about aero-engine rotor system faults, and has an advantage over single neural network.Keywords: Aero-engine; Fault diagnosis; Integration neural networks; Unbalance; misalignment; Rub; Oil whirl 目录摘要iAbstractii第一章 绪论- 1 -1.1航空发动机状态监测故障诊断的背景和意义- 1 -1.2航空发动机转子部件常见故障- 2 -1.2.1转子不平衡- 2 -1.2.2转子不对中- 2 -1.2.3转静碰摩- 3 -1.2.4油膜涡动及油膜振荡- 3 -1.3人工神经网络诊断方法- 3 -1.4论文主要研究内容- 4 -第二章 航空发动机转子部件常见故障基本特征- 1 -2.1航空发动机的主要激振源- 1 -2.2航空发动机转子系统常见故障机理分析- 3 -2.2.1 概述- 3 -2.2.2转子系统振动故障机理及特征分析- 3 -2.2.2.1转子不平衡- 4 -2.2.2.2转子不对中- 6 -2.2.2.3转静碰摩- 6 -2.2.2.4油膜涡动及油膜振荡- 7 -第三章 神经网络智能诊断原理- 12 -3.1人工神经网络的拓扑结构及学习规则- 12 -3.1.1生物神经元与人工神经元模型- 12 -3.1.2人工神经元模型- 14 -3.1.3 人工神经网络的拓扑结构- 15 -3.1.4 人工神经网络的学习规则- 15 -3.2多层前向神经网络模型及BP算法- 16 -3.2.1 BP网络及BP算法- 16 -3.2.2 BP网络及BP算法的缺陷及解决方法- 18 -第四章 发动机转子故障诊断的集成神经网络模型- 20 -4.1集成神经网路的基本原理和建模方法- 20 -4.2发动机常见故障实验- 21 -4.2.1论文实验仪器和环境- 21 -4.2.2不平衡实验- 22 -4.2.3不对中实验- 24 -4.2.4碰摩实验- 25 -4.2.5油膜涡动实验- 27 -4.3集成神经网络在发动机故障诊断上的应用- 29 -4.3.1 数据的采集和特征提取- 29 -4.3.2 各个子神经网络的实现- 30 -4.3.3 利用集成神经网络对发动机常见故障进行智能诊断- 32 -第五章 结论与展望- 34 -5.1论文总结- 34 -5.2进一步工作展望- 34 -参考文献- 35 -致谢- 36 - iv 第一章 绪论1.1航空发动机状态监测故障诊断的背景和意义自第一次世界大战后，世界各国的航空事业取得了令人瞩目的发展。特别是进入80年代，民用航空事业更是突飞猛进。在半个世纪的发展过程中，飞行安全始终是民航领域的主题。众所周知，航空燃气涡轮发动机是一种高速旋机械，出厂时尽管采取了严格的振动治理措施，但工作时依然存在着或大或小的振动现象，引起发动机振动的因素很多，而且往往是各种因素综合影响的结果。新机研制过程中几乎无一例外地都遇到过振动这个“拦路虎”，即使在服役机中亦常遇到因振动超标而不能放飞之事。因此航空发动机除严格控制发动机的振动程度，使发动机的振动总量限制在规定的范围内，还进一步发展到通过监视发动机的振动状况，判断故障，确定发动机的返修周期和使用寿命等。航空发动机的特点，一是破坏的高危险性，二是使用维修保障费用的高昂性。据统计，发动机使用维修及保障费用约占全寿命周期费用的50%85%。表1-1列出了七十年代以前美军发动机全寿命周期费用分布，可见发动机全寿命周期费用的大部分是消耗在使用和保障阶段的；而七十年代以后，随着发动机使用寿命的增长，其使用维修及保障费用占全寿命周期费用的比例更高。因此，迫使人们不得不对维修技术进行变革，以保证发动机的可靠性和耐久性，降低使用成本。表1.1 时期费用比例五十年代%六十年代%七十年代%研制8.97.25.4生产27.928.528.9使用维修及保障备份7.07.17.2部件改进7.26.65.4维修站30.334.038.8基地15.913.711.4其他2.92.92.0合计63.263.365.7总费用35.2亿美元50.2亿美元78.8亿美元 航空发动机自投入使用以来，沿用了传统的定时维修方法，用整机翻修寿命和总寿命控制发动机的使用。发动机使用到规定的时间或总寿命，不论有无故障均必须返场检修或报废。显然这种方法是巨大的浪费，既不科学，也不合理。七十年代以来状态监测控制在航空发动机上的成功应用，改变了人们对维修和寿命的人士，使发动机的维修从定期维修，过渡到更科学、有针对性地视情维修，或二者的有机结合。显然后一种方法既有极高的安全可靠性，又有很好的经济性，是传统维修方法不可比拟的。但毋庸置疑的是，该法的使用是以状态监控为前提的，这一点对关键件尤为重要。振动监测是发动机状态监测的重要组成部分，是实施关键部件状态监测的最为重要和有效的方法。研究或者实现振动状态监测和故障诊断的关键环节有二，一是故障特征信息和监测特征量的确定，二是信号的处理和分析。其中，故障特征信息一般是通过被监测对象动力特性分析的途径来探寻。1.2航空发动机转子部件常见故障1.2.1转子不平衡转子不平衡是各类旋转机械失效的常见因素。转子不平衡包括转子系统的质量偏心以及转子部件出现缺损.转子质量偏心是由于转子的制造误差，装配误差,材质不均匀等原因造成的，转子部件缺损是指转子在运行中由于腐蚀、磨损，介质结垢以及转子受疲劳力作用，使转子的零部件局部损坏,脱落等造成新的转子不平