直升机动部件损伤特征信息超完备稀疏表示与重构方法研究

Based on overcomplete sparse representation and reconstruction theory, the methods on external sensing signal recovery and denoise, improved detection and quantitative recognition on graded damage in critical component will be researched for complex moving components such as helicopter main transmission system. The barriers which like external information uncomplete and low SNR, and difficult to extract incipient damage feature information will be resolved in this project. After that, utilizing the overcomplete sparse representation and reconstruction of incomplete condition information in multi-feature-space, overcomplete redundant feature information extraction, recovery and denoise of external condition signal will be focused.Then improved detection and quantitative recognition of graded damage in critical components will be researched based on overcomplete redundant dictionary in multi-feature-space. After all,evolution tendency prediction of graded damage will be explored. New theories and methods of quantitative damage detection and recognition will be presented to support prognostics and health management of complex rotary machinery. The new methods and techniques researched in this project will be not only significant for the improvement of helicopter flight security, but also valuable for the advance on the theories and techniques of fault diagnostics.

以直升机主传动系统等复杂动部件为对象，研究面向外部传感信号修复与降噪、关键部件缓变损伤增强检测与定量识别的超完备稀疏表示与重构方法。本项目将突破现有外部传感信号不完备和信噪比低、早期损伤特征难以提取的局限，利用残缺状态信息在多特征空间的超完备稀疏表示与精确重构，研究主传动系统运行状态超完备冗余特征信息获取、外部状态传感信号的修复与降噪等关键技术；基于多特征空间超完备冗余字典与匹配追踪等优化算法，研究关键部件缓变损伤增强检测与定量识别方法与关键技术，探索关键部件缓变损伤的演化趋势预测，为复杂旋转机械系统的健康管理提供可量化的损伤检测与识别的新理论与新方法。本项目不仅对提高直升机的使用安全性具有重要价值，而且对丰富和发展故障诊断理论与技术具有重要的科学和现实意义。

安全可靠是工程装备完成各项任务的基本前提和重要保障，随着装备系统复杂度日益提高，工程装备的健康评估与故障预测问题已成为工程界关注的重大课题。对于多用途直升机这一航空领域的重大工程装备而言，由于其中传递动力的动部件无法冗余，一旦关键部件出现故障，后果往往是灾难性的。如何更早、更有效地发现主传动系统中存在的损伤和故障，并定量识别损伤/故障的演化状态，同时预测损伤/故障的演化趋势与剩余使用寿命，以有效避免重大事故发生与关键任务中断是当前直升机的使用安全所面临的重大挑战之一。.本项目以直升机主传动系统等复杂动部件为对象，瞄准主传动系统早期损伤的定量识别问题，针对主传动系统中的典型单一损伤和耦合损伤，研究主传动系统运行状态超完备冗余特征信息获取、外部状态传感信号的修复与降噪等关键技术；基于多特征空间超完备冗余字典与匹配追踪等优化算法，研究关键部件缓变损伤增强检测与定量识别方法与关键技术，探索关键部件缓变损伤的演化趋势预测。.本项目分析了超完备稀疏表示与重构基本理论和传动系统振动信号的稀疏表示问题，研究了基于稀疏表示字典的振动数据压缩方法，提出了若干衡量振动数据压缩效果的评价指标，并基于此分析了适用于振动信号稀疏化的字典对振动数据的压缩效果；提出了基于信号稀疏分解理论的关键动部件故障检测和诊断方法，分别构建了基于字典学习的故障检测模型和故障诊断模型，使用实验数据对该方法进行了验证；提出了基于信号频域能量分布直接使用观测矩阵观测值实现故障检测的方法，并分析了压缩观测值数量等参数对检测结果的影响，使用实验数据对该方法进行验证；提出了直接使用低维观测矩阵观测值实现故障检测的方法，并分析了阈值、观测值数量和稀疏度等参数对检测结果的影响及其设置原则。本项目在以上研究的基础上，在中外高水平学术期刊和国际会议上发表论文14篇，其中7篇被SCI检索，7篇被EI检索。.本项目的研究为直升机主传动系统的早期损伤检测与定量识别提供了新的方法和途径。同时，本项目所研究的超完备冗余特征信息获取方法可服务于其他旋转机械设备，为典型旋转部件的故障诊断、异常检测与健康管理提供新的辅助信息和手段。另外，本项目所研究的算法具有较强的通用性，可广泛应用于其他领域的信号恢复与降噪以及模式识别。

内容获取失败，请点击重试