基于小波包能量熵的航空发动机突发故障诊断

本资料包含pdf文件1个，下载需要1积分

基于小波包能量熵的航空发动机突发故障诊断 ·29·基于小波包能量熵的航空发动机突发故障诊断张宏涛，王仲生(西北工业大学 航空学院，陕西 西安 710072)摘要：为了提高飞机发动机突发故障的诊断正确率，提出了将混合采样法和 SVM相结合的突发故障诊断新方法。首先利用小波包多分辨率分析特性进行故障特征提取；然后采用混合采样法对提取的少数类突发故障样本特征进行优化重构，使少数类突发故障样本数量和其他类样本数量趋于平衡；再利用SVM构造多分类器对正常与多种故障状态进行分类。通过发动机转子试验台所采集的数据，对该故障诊断方法进行了验证研究。结果表明，该方法能有效识别发动机叶片断裂和吸入异物两类突发故障，且算法简单，故障分类识别效果好。

关键词：航空发动机；突发故障；类不平衡；支持向量机；故障诊断中图分类号：TH113．1；TN911．7 文献标识码：A 文章编号：1000—8829(2013)10—0029—04Abrupt Faults Diagnosis for Aircraft Engine Based on W aveletPacket—Energy EntropyZHANG Hong—tao，WANG Zhong—sheng(School of Aeronautics，Northwestern Polytechnical University，Xi’an 710072，China)Abstract：In order to improve the diagnostic accuracy of the sudden failure of the aircraft engine，a new suddenfailure diagnosis method is proposed，which combines the hybrid sampling method with the SVM．Firstly，wave-let packet multi-resolution analysis is used to extract fault features．Then the mixed sampling method is em—ployed to optimize and reconfigure the extracted little sudden failure sample characteristics，to make the hum—bet of small category sudden failure samples and the number of other category samples into balance．SVM isused to construct a multiple classifier，which is used to classify the normal status with a variety of fault status.

This fault diagnosis method is validated through the data sampled from the engine rotor test rig．The resuhsshow that this method can effectively recognize two types of sudden failure of engine blade fracture and suctionforeign body，moreover the algorithm is simple，and the fault classifcation and recognition efect is good.

Key words：aircraft engine；abrupt faults；class imbalance；SVM；fault diagnosis发动机是飞机的心脏。由于发动机结构复杂且通常在高转速、高负荷(高应力)和高温环境下工作，因此属于多发性故障动力机械装置?。发动机故障按照其发展速度可以分为渐变性和突发性两种。突发性故障的显著特点是故障形成历程较短，后果严重。虽然从理论上讲，任何故障的产生和发展都有一定征兆，但由于监测条件的限制，有些故障征兆难以、甚至不可能被发现，直到故障的最后阶段才表现出来。正因为如此，才显示了故障的突发性_2j。这种突变故障仅收稿 日期 ：2012—08—23基金项目：国家自然科学基金资助项 目(51075330)作者简介：张宏涛(1984一)，男，陕西成阳人，硕士研究生，主要研究方向为故障诊断、人工智能。

2011年就造成发动机空中停车 176起，占飞行事故的20．95％。因此对发动机突发故障的检测诊断显得尤为重要 。

国内外学者对突发故障做了大量研究。国内学者胡峰将火箭动力系统故障分为 3种 -4 J，分别为脉冲型突发故障、阶跃型突发故障和渐发型故障，并进一步对脉冲型和阶跃型突发故障的识别与检测方法进行了研究。文献[5]从物质与能量交换的角度研究了飞机突发故障，并总结了突发故障的性质。还有一些学者在生物医学领域对突发故障进行了研究 I7]，但是这些方法及策略对对象具有很强的针对性，不易被扩展到其他领域。

笔者用小波包能量熵对飞机发动机系统5类故障· 30· 《测控技术>2o13年第32卷第l0期进行特征提取，并用 SVM 进行故障诊断，发现突发故障的诊断正确率较低。为此，提出将小波包能量熵、混合采样方法和支持向量机相结合的诊断方法。通过实验表明，该方法能够有效解决飞机发动机突发故障不平衡数据学习问题，并能对发动机突发故障进行有效快速识别。

1 小波包能量熵提取1．1 基本原理发动机在实际运行时，各部件的响应能量谱频率范围是不同的。当分析得出某频率范围内的能量异常时，就可以判别该频带所对应的部件处于异常工作状态。

1．2 小波包分解发动机转子系统振动信号．厂( )可以用递归式(1)进行小波包分解，2 (￡)=√2 (^Jj}) (2t一 )(1)一 (￡)= ∑g(k)f．(2t一 )式中，h(k)为高通滤波器组；g(k)为低通滤波器组。

1．3 小波包特征熵对信号进行 层小波包分解后得到小波包分解序列为．s )(k=0，1，?，2j一1)，在此可以把信号的小波包分解看成对信号的一种划分，定义这种划分的测度0 ， ：、S )( )= (2)s ( )式中，．s (i)为 ．s(J，^)(k=0，1，?，2J一1)的傅里叶变换序列的第 i个值；N为原始信号长度。根据信息熵的基本理论，定义小波包特征熵Hi(k)=一∑s ”(i)loget )( )( =o，?，2，一1) (3)式中，日 (k)为信号的第 层第 k个小波包特征熵。

1．4 振动信号的小波包特征熵提取振动信号的小波包特征熵提取过程为：① 信号分解。对振动信号利用小波包分解式(1)进行 k层小波包多分辨分解。

② 信号重构。对经过步骤①之后得到的2 个频带内的序列进行重构，得到2 个小波包重构信号。其中各个重构信号分别包含了原始信号的从低到高的各频率段信息。

③ 信号的小波包特征熵向量。由式(2)和式(3)分别求得 2 个小波包特征熵，进而以这2 个小波包特征熵为元素可以构造一个特征向量= [ (0)， (1)，?， (2 一1)] (4)根据以上小波包特征熵提取方法，对不同情况下飞机发动机转子系统振动信号进行分析，就可得到小波包特征熵。

2 基于 SMOTE混合采样故障诊断原理由于发动机突发故障持续时间很短，造成突发故障有效样本数与其他状态的样本数相差巨大，进而使支持向量机对突发故障识别率较低。为了提高发动机突发故障的识别率，需要寻求增加突发故障的有效样本数。

2．1 基于 SMOTE算法的混合采样方法SMOTE 。 (synthetic minority over—sampling tech—nique)算法是基于差值法，其基本思想是：对每一个少数类样本，找到K个最近邻样本，在最近邻样本和远样本之间的连线上随机选择一个点作为新的样本插入 ，反复加入 K×N个新的少数类样本，这里 j7v为原始训练集中少数类样本的数量。如图1所示，选择 的4个最近邻，在 i和4个最近邻的连线上人为地制造4个样本。

图 1 SMOTE方法原理,／f 5Ⅱmple[力 mple[i] r 5、Synthetic[z]=sample[i] gap×dif 、式中，eif为样本 sample[ ]和样本 sample[i]的距离差值；sample[i]为少数类中第 i个样本，sample[j]为少数类中距 sample[i]最近的样本之一；gap为(0，1)之间的随机数；Synthetic[c]为新生成的数据。

采样时，首先对数据进行过滤，滤除不纯的数据样本。所谓不纯数据是指近邻中有2／3的样本和自身的分类相反的样本。这种方法称为剪辑近邻法，它能消除多数类样本集中符合某些先决条件的噪声，以减少判决边界的波动。然后，使用 SMOTE算法对少数类进行过采样，使得分类边界平滑，得到新的少数类集，而对多数类的样本进行 n次欠采样，生成凡个多数类子集，且每个子集和新生成的少数类样本有基本相同的样本数量。

2．2 支持向量机多分类原理对于线性可分的样本集( ，Yi)( 1，2，?，凡)，,17∈R 。Y∈{+1，一1}为类别标签，其分类面方程为村 )= T． +b： ． ， +b=0 (6)
· 32· 《测控技术》2O13年第32卷第10期0．10一 O．10 500 1000 1500 2000 2500O．O50- 0．050．02薯 0— 0．O250- 52潭 0— 20 500 1000 1500 2000 25000 500 1000 1500 2000 2500×l0—3×10—30 500 1000 1500 2000 25000．010— 0．0l0 500 1000 1500 2000 2500采样点数图4 重构信号将经过混合采样的两类突发故障样本和其余4种状态样本重新进行分类，6种状态平均分类正确率为92％。各个状态分类结果如表4所示。

表3 混合采样后的部分训练样本值X0 X1 X2 X3 X4 X5 X6 X7S2 1．2312 0．007 0．0019 0．0027 0．0016 0．0018 0．0018S2 1．2326 0．0065 0．0019 0．0025 0．0016 0．0017 0．0018S2 1．7295 0．1777 0．0458 0．093 0．0086 0．0076 0．0341S3 10．9663 0．0538 0．0096 0．0262 0．0076 0．0084 0．0084S3 11
． 6735 0．0544 0．01 0．0263 0．0079 0．0088 0．00870．oo17O．ool70．0229O．oo88O．0091S3 12．3425 0．055 0．0104 0．0265 0．0083 0．0092 0．0091 0．0094结果显示，分类器对断裂和吸入2种突发故障的分类效果有明显提升，而对正常状态出现了分类错误，原因分析如下：① 混合采样方法增加了突发故障有效样本的数量，从而使分类效果明显提升。同时，SMOTE算法也增加了干扰样本。

② 测试集里的突发故障样本同样存在有效样本数量不足的情况。

4 结束语小波包能量熵能够反映飞机发动机突发故障特征，SMOTE混合采样法能够增加突发故障的有效数据，将小波包能量熵与 SMOTE混合采样相结合，并采用 SVM对突发故障进行识别，能够有效提高对突发故障的识别率。以飞机发动机 6种状态数据的实验结果表明，该方法算法简单，故障分类识别效果好，其故障平均分类正确率可达92％。

参考文献：[1] 陈光．航空发动机故障分析[M]．北京 ：北京航空航天大学出版社，2001.

[2] 刘战袍．预防 ~-30xy一154发动机空中停车的几项措施[J]．民航经济与技术，1995(3)：36—37.

[3] 胡峰，温熙森．运载火箭动力系统突发性故障检测与辨识[J]．航天控制，2001，19(4)：59—64.

[4] 胡峰，黄刘生，孙国基．ARX过程突发性故障的检测与辨识[J]．信息与控制，2002，31(3)：219—226.

[5] Wang z S．A study of evolution mechanism and monitoringmethod on aircraft sudden failure[J]．Applied Mechanicsand Materials，2011(48／49)：114—117.

[6] Irom F，Nguyen D N，Bagatin M，et a1．Catastrophic failure inhighly sealed commercial NAND Flash memories[J]．IEEETransactions on Nuclear Science，2010，57(1)：266—271.

[7] Malo G C，Stanat s J C，Jones J A，et a1．Catastrophic poly—ethylene failure diagnosed with magnetic resonance imagingin a painful total knee arthroplasty[J]．The Journal of Ar—throplasty，2011，26(3)：13—15.

[8] Chawla N V，Bowyer K W，Hal O L，et a1．SMOTE：syntheticminority over—sampling technique[J]．Journal of ArtifcialInteHigence Research，2002，16(1)：321—357.

[9] Gunn S R，Support vector machines for classification and re—gression[R]．University of SouthThampton，1998：10—13.

口一 ” ’ 。’ ’ ? ’ ”? 一 ? ? ’ 一 ? ? ? ’ ? ? 一 ? ? 一 ’ ◆◆ =；《测控技术》推出开放式在线阅读!：： 征订电子版期刊静态、动态广告! j! ‘? 一朝发布，持续在线， ：； 让广告展示无穷的生命活力， ：： 不再为刊期、页面、成本困扰! j； ◆： 测控在线ww．m。t．。m．。 欢迎刊登广告 i ·c·co·cn ：电话：(010)65670337／65665345． ． ． ． li． ． ． ． ．．． ． ． ． ,O - ． i ． ． ． I． i 一 ～ ● ?● lE¨● j ● ◆ Ⅲ● ● l¨¨● ◆ _l¨● lH● Ⅲ ● ◆ I【● ● II● t¨·’ ·，