基于雙網(wǎng)格校正小波聚類的航空發(fā)動(dòng)機(jī)轉(zhuǎn)子系統(tǒng)振動(dòng)故障診斷.pdf

1、轉(zhuǎn)子系統(tǒng)是航空發(fā)動(dòng)機(jī)這類典型旋轉(zhuǎn)機(jī)械的核心部件，它的正常與否關(guān)系到整臺(tái)設(shè)備的運(yùn)行狀態(tài)，為了提高工作效率、避免重大事故發(fā)生，對(duì)轉(zhuǎn)子系統(tǒng)進(jìn)行狀態(tài)監(jiān)測(cè)和故障診斷具有重要意義。隨著信息技術(shù)的發(fā)展，智能化逐漸成為故障診斷的發(fā)展方向，而隨著故障信息數(shù)據(jù)的劇增及“知識(shí)瓶頸”的存在，常規(guī)模式識(shí)別方法難以滿足現(xiàn)代故障診斷的要求，發(fā)展新的方法快速智能地實(shí)現(xiàn)轉(zhuǎn)子故障的模式識(shí)別及聚類診斷仍是當(dāng)前的研究熱點(diǎn)。
　　故障診斷本質(zhì)是應(yīng)用數(shù)學(xué)方法對(duì)蘊(yùn)含相關(guān)故障信

2、息的數(shù)據(jù)進(jìn)行模式的自動(dòng)處理和判別，本文探索了小波聚類方法在航空發(fā)動(dòng)機(jī)轉(zhuǎn)子系統(tǒng)故障診斷中的應(yīng)用：
　　首先，針對(duì)傳統(tǒng)小波聚類高維空間復(fù)雜度高的問(wèn)題，提出了基于元胞儲(chǔ)存的改進(jìn)小波聚類算法。以元胞數(shù)組結(jié)構(gòu)儲(chǔ)存網(wǎng)格空間中含有有效數(shù)據(jù)的非空單元，避免網(wǎng)格單元的無(wú)效操作，同時(shí)應(yīng)用元胞數(shù)組結(jié)構(gòu)能夠?qū)θ我忸愋?、任意尺寸的?shù)據(jù)進(jìn)行操作的特性，將數(shù)據(jù)內(nèi)容及其地址建立在同一查找表上，構(gòu)建映射關(guān)系，以徹底減小算法的空間復(fù)雜度。通過(guò)對(duì)轉(zhuǎn)子故障模擬實(shí)驗(yàn)，對(duì)其

3、小波聚類故障診斷，結(jié)果表明：元胞儲(chǔ)存能夠降低算法的空間復(fù)雜度，提高算法的效率，基于元胞儲(chǔ)存的小波聚類能夠?qū)D(zhuǎn)子故障狀態(tài)進(jìn)行很好的區(qū)分。
　　其次，針對(duì)傳統(tǒng)小波聚類算法采用相連定義聚類時(shí)精度和效率不夠的問(wèn)題，提出一種基于廣度優(yōu)先搜索的改進(jìn)小波聚類算法。該算法以小波聚類算法網(wǎng)格鄰居單元定義去改善廣度優(yōu)先搜索鄰居聚類算法人工輸入?yún)?shù)的敏感性，同時(shí)以廣度優(yōu)先搜索鄰居聚類算法類門限參數(shù)的設(shè)定去改善小波聚類算法類劃分不精確的缺陷。通過(guò)航空發(fā)動(dòng)

4、機(jī)轉(zhuǎn)子模擬振動(dòng)信號(hào)實(shí)驗(yàn)數(shù)據(jù)，對(duì)其分別進(jìn)行小波聚類，廣度優(yōu)先搜索鄰居聚類以及改進(jìn)的小波聚類分析，結(jié)果表明：基于廣度優(yōu)先搜索的小波聚類能夠很好地改善傳統(tǒng)小波聚類的聚類精度和聚類速度，降低計(jì)算復(fù)雜度。
　　最后，針對(duì)網(wǎng)格聚類算法不可避免產(chǎn)生的MAUP問(wèn)題，提出了一種基于雙網(wǎng)格校正小波聚類算法。該算法以最大密集網(wǎng)格規(guī)則下獲得的網(wǎng)格劃分K值時(shí)進(jìn)行原始網(wǎng)格小波聚類，以均勻分布假設(shè)規(guī)則獲得的網(wǎng)格劃分K值下進(jìn)行校正網(wǎng)格小波聚類，通過(guò)校正算法得到最