[发明专利]基于共轭梯度法的航发主轴轴承故障信号盲提取方法

权利要求书

1.一种基于共轭梯度法的航空发动机主轴轴承故障信号盲提取方法，其特征在于包括如下步骤：

(1)获取航空发动机主轴滚动轴承的混合振动时域信号矩阵X：

通过布置在航空发动机主轴滚动轴承附近的M个振动传感器，对航空发动机主轴滚动轴承运转过程中由多个振源所产生的混合振动时域信号进行I次等间隔采集，采集频率为f_s，并将所有采集结果组合成维度为M×I的混合振动时域信号矩阵X＝[x(1),x(2),...,x(i),...,x(I)]，其中，M≥2，I≥1000，x(i)表示M个振动传感器第i次所采集的混合振动时域信号，x(i)＝[x₁(i),x₂(i),...,x_m(i),...,x_M(i)]^T，x_m(i)表示第m个振动传感器第i次所采集的混合振动时域信号，[·]^T表示转置操作；

(2)计算航空发动机主轴滚动轴承故障类型对应的故障特征频率f，并根据f和采集频率f_s计算时延

(3)基于典型相关性分析CCA准则构造第i次所采集混合振动时域信号的盲提取代价函数

根据混合振动时域信号矩阵X和时延构造第i次所采集混合振动时域信号x(i)的维度为M×M的τ时延相关矩阵根据混合振动时域信号矩阵X构造第i次所采集混合振动时域信号x(i)的维度为M×M的零时延自相关矩阵以及维度为M×1的盲提取向量w(i)，并基于典型相关性分析CCA准则，通过和w(i)构造盲提取代价函数

(4)基于共轭梯度法对盲提取代价函数进行优化：

(4a)初始化第i次所采集混合振动时域信号的盲提取向量为w(i)、时延相关矩阵为零时延自相关矩阵为初始化w(i)的搜索方向为d(i)，并令i＝1；

(4b)计算第i次采集对应的盲提取代价函数的梯度g(i)和Hessian矩阵H(i)，并根据g(i)和H(i)计算d(i)的修正系数ρ(i-1)，然后通过ρ(i-1)计算w(i)的搜索方向d(i)：

d(i)＝-g(i)+ρ(i-1)d(i-1)；

(4c)对搜索方向为d(i)进行转置，并根据d(i)和d(i)的转置结果d^T(i)，以及Hessian矩阵H(i)和盲提取向量w(i)计算最优迭代步长η(i)：

(4d)通过η(i)和d(i)对盲提取向量w(i)进行更新，得到w(i)的更新结果w′(i)，并判断i≥I是否成立，若是，得到最优盲提取向量w^*，否则令i＝i+1，并执行步骤(4b)，其中，w′(i)＝w(i)+η(i)d(i)；

(5)获取航空发动机主轴滚动轴承故障信号的盲提取结果：

根据最优盲提取向量w^*和w^*的转置结果(w^*)^T，以及第I次采集得到的混合振动时域信号x(I)，计算航空发动机主轴滚动轴承故障信号的盲提取结果y(I)：

y(I)＝(w^*)^Tx(I)。

2.根据权利要求1所述的基于共轭梯度法的航空发动机主轴轴承故障信号盲提取方法，其特征在于，步骤(2)中所述的故障特征频率f，当盲提取目标为外圈故障轴承运转产生的振动时域信号时，f等于外圈故障特征频率f_outer，当盲提取目标为内圈故障轴承运转产生的振动时域信号时，f等于内圈故障特征频率f_inner,f_outer和f_inner的计算公式分别为：

其中，n为轴承转速，α为接触角，L为节圆直径，z为滚动子数量，l为滚动子直径。

3.根据权利要求1所述的基于共轭梯度法的航空发动机主轴轴承故障信号盲提取方法，其特征在于，步骤(3)中所述的时延相关矩阵和零时延自相关矩阵表达式分别为：

4.根据权利要求1所述的基于共轭梯度法的航空发动机主轴轴承故障信号盲提取方法，其特征在于，步骤(4b)中所述的盲提取代价函数第i次采集对应的梯度g(i)和Hessian矩阵H(i)，以及d(i)的修正系数ρ(i-1)，计算公式分别为：