多传感信息非线性融合技术在航空发动机故障监测中的研究
针对航空发动机目前采用加速度传感器采集信号会引入加性噪声而影响混叠信号盲分离效率的问题,提出了基于小波-非线性独立分量分析(ICA)的信号盲分离与特征提取方法.首先利用小波去噪技术消除加性噪声的影响;然后通过径向基网络(RBF)结合线性ICA算法估计去噪信号的非线性混合解混函数,实现信号的非线性盲分离,得到发动机振动故障的关键信号源;最后利用小波包分解提取分离信号的统计特征,应用RBF网络分类器对故障类型进行智能识别.对某型涡扇航空发动机的实际故障振动信号进行实验分析,结果表明:所提出的非线性盲分离模型能够从含有加性噪声的混合信号中提取故障源,得到故障信号可靠的特征,且故障检测精度比传统线性盲分离技术至少提高了4.4％,取得较好的故障诊断效果.
航空发动机 故障检测 非线性盲源分离 特征提取 小波包分解
朱春红 高双林 查柏林 俞婷玉
中山出入境检验检疫局检验检疫技术中心 中山 528400 第二炮兵工程大学 西安 710025
国内会议
北京
中文
139-147
2015-10-01（万方平台首次上网日期，不代表论文的发表时间）