基于优化极限学习机的涡轴发动机转子碰摩故障诊断

摘要：

针对涡轴发动机容易在转子过渡态-稳态间瞬间失衡导致碰摩现象,提出改进遗传算法优化的极限学习机诊断模型.基于某涡轴发动涡轮机匣振动信号包络曲线,仿真涡轴发动机正常状态、燃气涡轮转子碰摩状态、动力涡轮转子碰摩转态、燃气与动力涡轮转子碰摩转态4种工况的振动信号;对振动信号进行频谱分析,提取振动信号特征参数构建故障样本数据集;使用改进遗传算法优化极限学习机,并将它用于碰摩故障诊断.结果表明:训练集平均诊断准确率为96.8％、波动幅值为2.82％;测试集平均诊断准确率高达95.43％、波动幅值为0.93％,收敛误差达到0.22,验证了所提出的方法诊断准确率高、波动幅值小、误差低,适用于碰摩故障诊断.

关键词：涡轴发动机、碰摩、极限学习机、遗传算法、故障诊断

所属期刊栏目：50

分类号：TH17;V231.1

资助基金：镇江市科技计划资助项目NY2019017

在线出版日期：2022-09-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：189-194