基于小波包能量谱的航空发动机故障特征提取方法.docx

基于小波包能量谱的航空发动机故障特征提取方法
摘要：
本文研究了一种基于小波包能量谱的航空发动机故障特征提取方法。首先对收集到的航空发动机振动信号进行小波包分解，得到各分解层的能量谱。然后通过分析各个能量谱的峰值位置和幅值大小，提取了故障频率和故障程度两个特征。当故障发生时，可以通过比对故障频率和故障程度的变化来判断故障类型和严重程度。本文对该方法进行了实验验证，结果表明该方法可以有效地提取航空发动机的故障特征，对于实现航空发动机的运行状态监测具有一定的参考意义。
关键词：小波包；能量谱；故障特征提取；航空发动机；运行状态监测
引言：
航空发动机是飞行器的重要组成部分，其工作状态直接影响着飞行器的安全性和可靠性。因此，实时监测航空发动机的运行状态，检测故障，对于飞行器的飞行安全具有重要意义。传统的航空发动机监测方法通常采用振动信号分析，但是振动信号的特征提取和故障诊断是一个难题。传统的傅里叶变换方法存在频率分辨率不足和突出噪声的问题，因此近年来小波分析方法逐渐在信号处理领域得到应用。小波分析方法具有多尺度分析的能力，对于非平稳信号的分析更有优势。小波包分析是小波分析的一种扩展，可以更加灵活地选择基函数，对信号进行分解。
本文提出了一种基于小波包能量谱的航空发动机故障特征提取方法，该方法首先对航空发动机振动信号进行小波包分解，然后通过分析各个小波包能量谱的特征，提取了故障频率和故障程度两个特征。本文通过实验验证了该方法的有效性。
方法：
1.小波包分解
首先，收集航空发动机的振动信号，然后对该信号进行小波包分解。选择小波基函数为db4，分解层数为5层。得到各个小波包分量，分别计算各个分量的能量谱。具体实现过程可以使用Matlab的Wavelet包中的函数进行实现。
2.能量谱特征提取
对于各个小波包能量谱，分别计算其峰值位置和幅值大小。通过对多个样本的分析，确定航空发动机的故障频率和故障程度的范围。当航空发动机出现故障时，故障频率和故障程度的变化将体现在各个小波包的能量谱中。因此，可以通过比对故障频率和故障程度的变化来判断故障类型和严重程度。
实验：
在实验中，我们使用了一台航空发动机进行测试。首先，在正常工作状态下，采集了其振动信号，并进行小波包分解。然后，人为模拟发动机的故障情况，比如调节进气口，引入其他外部因素等。收集故障状态下的振动信号，并进行小波包分解和能量谱特征提取。通过比对正常状态和故障状态下的能量谱，得到故障频率和故障程度的变化，诊断出航空发动机的故障类型和严重程度。
结果：
实验结果表明，所提出的基于小波包能量谱的航空发动机故障特征提取方法有效性高。该方法提取的特征可以清晰地反映航空发动机的故障情况，对于实现航空发动机的运行状态监测具有一定的参考意义。
结论：
本文提出了一种基于小波包能量谱的航空发动机故障特征提取方法。该方法通过小波包分解和能量谱提取，可以有效地提取航空发动机的故障特征。实验结果表明，该方法具有一定的参考价值，对于实现航空发动机的运行状态监测具有重要意义。