[发明专利]一种直升机传动齿轮的性能趋势预测方法

说明书

技术领域

本发明属于状态预测方法技术领域，具体涉及一种直升机传动齿轮的性能趋势预测方法。

背景技术

作为直升机上重要的动力传动装置—直升机传动系统是直升机上的典型机械旋转系统，是由大量相互联系但工作过程又彼此不同的部件组成，存在着强烈的非线性、非平稳性、不确定性等复杂系统特征，导致了其易发故障，且一旦发生故障，将导致灾难性事故的发生。

直升机传动系统由主减速器、尾减速器、中间减速器、主减速器与发动机之间的动力传动轴组件、尾传动轴组件组成，其中各种组件内部靠齿轮进行传输动力。齿轮是工作在环境恶劣、工作强度大等环境下的一类重要零件，导致其易发故障，且状态变化规律难以掌握，性能难以准确预测，所以对直升机传动齿轮性能状态进行趋势分析一直是提高航空武器装备安全运行的一个无法逾越的技术瓶颈，实现直升机传动齿轮性能状态的准确趋势分析，时刻掌握直升机齿轮性能变化情况，及早预测齿轮故障，是保证直升机飞行安全和提高直升机出勤率重要手段之一。然而现有的多数直升机传动齿轮性能分析方法都无法得出准确可靠的趋势分析结果，且普遍存在分析结果不准确、误差大的缺点。

发明内容

本发明的目的在于提供一种具有高可靠性、高准确性的直升机传动齿轮的性能趋势预测方法，使直升机传动齿轮性能状态趋势预测能力得到提升。

实现本发明目的的技术解决方案为：一种直升机传动齿轮的性能趋势预测方法，包括以下步骤：

步骤1，采用缺省阈值降噪方法，对采集到的直升机传动齿轮振动信号进行降噪处理；

步骤2，采用时域信号分析方法，对降噪处理后的直升机传动齿轮振动信号进行特征值提取，获取直升机传动齿轮振动信号中的特征值；

步骤3，采用熵权法计算多类特征值的权重，得到多类特征值中信息成分的贡献度大小；

步骤4，根据特征值的贡献度大小，对多类特征值进行特征值信息融合，即得到融合后的特征值；

步骤5，根据融合后的特征值，采用灰色预测方法对直升机传动齿轮的性能变化趋势进行预测，以得到直升机传动齿轮的状态变化趋势。

进一步地，步骤2所述采用时域信号分析方法，对降噪处理后的直升机传动齿轮振动信号进行特征值提取，获取直升机传动齿轮振动信号中的特征值，具体如下：

将步骤1所得到的降噪处理后的直升机传动齿轮振动信号x(t)，采用公式(1)和公式(2)分别提取振动信号中的特征值峭度KV和裕度CLF：

其中，p(x)是时域信号的频域信息、x代表频域信息。

进一步地，步骤3所述采用熵权法计算多类特征值的权重，得到多类特征值中信息成分的贡献度大小，具体如下：

将步骤2得到的特征值记为u(i,j){i＝1,2,…,k；j＝1,2,…,l}，其中，i、j分别代表特征值向量u(i,j)的行和列编号，k、l分别代表特征值向量u(i,j)的行和列的数量，计算各个特征值权重的大小，过程如下：

1)对直升机传动齿轮振动信号进行特征提取，求取振动信号的四种特征值，并将特征值组成原始数据矩阵U，矩阵U＝(u_ij)_k×l,u_ij≥0；其中：i＝1,2,...,k；j＝1,2,...,l；

2)对原始数据矩阵X进行预处理，采用归一化的方法进行处理，即

得到处理后的矩阵P＝(p_ij)_k×l；

3)求取指标u_j的信息熵E_j，计算方法为：

4)求取第j个指标的熵权ω_j计算公式为：

则根据求取出的ω_j，得到多类特征值中信息成分的贡献度大小，权重值越大，贡献度则会越大。

本发明与现有技术相比，其显著优点为：(1)运用时域分析方法对采集到的直升机传动齿轮振动信号进行特征提取，运用熵权法对特征值进行融合，最后运用灰色理论算法构建灰色预测模型，实现对直升机传动齿轮性能状态进行可靠、准确的趋势预测；(2)通过对直升机传动齿轮性能状态进行趋势预测，尽早掌握齿轮的运行状态，实现齿轮的早期诊断及预测，提升直升机传动系统的安全运行。

下面结合附图和具体实施方式对本发明做进一步说明。

附图说明

图1为本发明直升机传动齿轮的性能趋势预测方法的流程图。

具体实施方式