一种航空发动机轴承故障诊断与磨损程度预测方法与流程
本发明属于航空发动机,特别涉及一种航空发动机轴承故障诊断与磨损程度预测方法。
背景技术:
1、轴承作为航空发动机或航空发动机的关键部件,特别是支撑高低压转子平稳运转的主轴承部件,长期在高速、高温、大载荷与受力复杂的苛刻环境下工作。因此,作为发动机核心部件,航空轴承需要具有长寿命和高可靠性。然而,由于其工作环境恶劣复杂,其不可避免地会发生各种各样的故障,其中80%的故障是磨损造成的。因此,为保障航空发动机安全可靠地运行,传动润滑系统的磨损状况监控及磨损故障的及时诊断显得尤为重要。
2、目前,针对航空发动机磨损状况监控的手段很多,如振动信号和润滑油监测等。相较于振动信号,润滑油监测具有能早期发现潜在故障的能力,因为润滑油中会携带能表征轴承各零部件相对运动的磨损颗粒,这些磨损颗粒能够反映发动机轴承的磨损状态。针对润滑油中磨损颗粒的监控方法很多,包括光谱分析、图像识别分析、铁谱分析等,通过分析磨损颗粒的大小、数量和形貌等特征,判断航空发动机轴承的磨损状态。然而根据振动信号对轴承故障进行监控及诊断的方法不能早期发现潜在的故障,而根据润滑油中磨损颗粒监测的方法需要传感器、分析仪等,成本较高,且基于磨损颗粒的监控手段不能准确地预判轴承即将发生的磨损故障且效率低。
技术实现思路
1、本发明的目的是提供了一种航空发动机轴承故障诊断与磨损程度预测方法,以解决或减轻背景技术中的至少一个问题。
2、本发明的技术方案是:一种航空发动机轴承故障诊断与磨损程度预测方法,包括:
3、步骤s1,构建已知故障原因的航空发动机轴承从完好至不能正常运转时的滑油光谱数据与轴承损失形貌数据的关联关系数据;
4、步骤s2,将轴承磨损程度进行等级划分,同时将轴承损伤形貌数据按照轴承磨损程度等级进行评估,获得轴承损伤形貌对应的轴承磨损等级。
5、步骤s3,将滑油光谱数据与轴承损失形貌数据的关联关系数据以及轴承损伤形貌对应的轴承磨损等级进行数据划分,得到训练集和测试集,构建基于深度学习的磨损状况预测模型,磨损状况预测模型的输入为滑油光谱数据、输出为轴承磨损等级,基于训练集对磨损状况预测模型进行训练,基于测试集对磨损状况预测模型进行测试,当测试结果精度满足要求时获得最终的磨损状况预测模型;
6、步骤s4,获取未知故障原因的轴承运行过程中的滑油光谱数据,基于最终的磨损状况预测模型将该滑油光谱数据作为输入,获得未知故障原因的轴承磨损程度预测结果。
7、在本发明优选实施方式中,步骤s1,构建已知故障原因的航空发动机轴承从完好至不能正常运转时的滑油光谱数据与轴承损失形貌数据的关联关系数据,过程包括:
8、将已知故障原因的航空发动机轴承进行分解,对其损伤部位表面进行损伤程度分析,记录该轴承损伤部位表面形貌特征,并保存截止故障发生时完整试车的滑油光谱数据;
9、之后将已知故障原因的轴承重新装配好,并安装到航空发动机中继续进行寿命考核试车试验,根据当前滑油光谱数据与轴承没发生故障前的滑油光谱数据进行比对,根据滑油光谱数据的变化幅度进行多次停车及试车的反复操作,直到轴承不能正常运转为止,记录所述航空发动机全寿命周期内润滑油中磨损颗粒的含量,并将每次停车后的轴承进行拆解,对轴承损伤部位的损伤程度进行分析,从而建立滑油光谱数据与轴承损伤形貌数据的关联关系数据。
10、在本发明优选实施方式中,所述已知故障原因包括装配精度不够、润滑不良或外物损伤。
11、在本发明优选实施方式中,将所述轴承磨损程度分为五级,分别为正常、轻微、中度、重度及严重。
12、在本发明优选实施方式中,在基于训练集对磨损状况预测模型进行训练之前,对输入数据进行归一化处理。
13、在本发明优选实施方式中,所述磨损状况预测模型包括输入层、卷积层、池化层、全连接层和输出层,其中,卷积层和池化层的个数根据磨损状况预测模型的输入数据量和预测精度确定,
14、在本发明优选实施方式中,所述卷积层根据滑油光谱数据提取相应的轴承磨损特征,卷积层卷积核的大小根据滑油光谱数据的特征和数量设置。
15、本发明的燃气轮机轴承故障诊断与磨损程度预测方法既高效又实用强,可大大提高航空发动机球轴承磨损失效分析监控的效率,并很大程度上降低了航空发动机的停车率,对保障发动机的稳定运行具有重要意义。
1.一种航空发动机轴承故障诊断与磨损程度预测方法,其特征在于,包括:
2.如权利要求1所述的航空发动机轴承故障诊断与磨损程度预测方法,其特征在于,步骤s1,构建已知故障原因的航空发动机轴承从完好至不能正常运转时的滑油光谱数据与轴承损失形貌数据的关联关系数据,过程包括:
3.如权利要求2所述的航空发动机轴承故障诊断与磨损程度预测方法,其特征在于,所述已知故障原因包括装配精度不够、润滑不良或外物损伤。
4.如权利要求1所述的航空发动机轴承故障诊断与磨损程度预测方法,其特征在于,将所述轴承磨损程度分为五级,分别为正常、轻微、中度、重度及严重。
5.如权利要求1所述的航空发动机轴承故障诊断与磨损程度预测方法,其特征在于,在基于训练集对磨损状况预测模型进行训练之前,对输入数据进行归一化处理。
6.如权利要求1所述的航空发动机轴承故障诊断与磨损程度预测方法,其特征在于,所述磨损状况预测模型包括输入层、卷积层、池化层、全连接层和输出层,其中,卷积层和池化层的个数根据磨损状况预测模型的输入数据量和预测精度确定。
7.如权利要求6所述的航空发动机轴承故障诊断与磨损程度预测方法,其特征在于,所述卷积层根据滑油光谱数据提取相应的轴承磨损特征,卷积层卷积核的大小根据滑油光谱数据的特征和数量设置。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com