基于多维数据挖掘方法的发动机振动评级的应用研究

摘要

航空发动机振动故障是航空发动机中故障的主要问题。然而，由于发动机本身结构复杂，发动机振动时会出现多种故障现象，如:不平衡、碰磨、不对中、跳动等。这为发动机故障预测和诊断带来了巨大挑战。目前，在航空发动机领域中，一般通过现有的故障经验采取建立故障模型的方法来预测和诊断振动故障，但往往由于故障特征维数较多，不能全面有效地排查出具体细节原因。
　　大数据和数据挖掘技术近年来作为解决工业制造领域问题的新途径，已经在不少公司和企业中的试验中取得良好效果。航空发动机作为工业制造领域中的“皇冠”,以其复杂的结构和近乎极致的精准度闻名。那么，如何采用大数据和数据挖掘的方法对复杂而精确的发动机结构梳理分析，如何使用现有的振动故障数据对发动机的故障进行预测和诊断，是目前急需解决的问题。
　　针对以上问题，本文的主要研究工作如下:
　　(1)设计并实现航空发动机振动分析系统。本文从系统的需求分析入手，详细的阐述了航空发动机的结构本体、故障本体、装配基准、装配分解、试车参数和振动分析六大模块的功能需求及性能、安全性、扩展性等非功能需求。研究并完成了系统的构架设计、详细设计与实现。整个系统基于J2EE构架体系，采用B/S架构模式，系统开发中使用EXTJS前端框架技术、SpringMVC框架和基于非结构化的MongoDB数据库，建立了一套以发动机故障数据为基础的数据管理及分析系统，提高了企业信息化水平并为航空发动机故障预测和诊断提供了辅助手段。
　　(2)提出了一种基于关联分析和聚类的振动故障分析方法。对不平衡故障数据做离散化处理，使用MAFIA算法挖掘数据中的频繁项集，初步确定振动故障特征集。在此基础上进行双层聚类。采用基于密度的DBSCAN算法来排除发动机中的离群对象和发现不规则簇，再采用Kmeans方法对第一层的聚类结果进行聚类，通过聚类效果比较确定与发动机振动相关的振动特征。最后与标准数据进行比较，划定振动数据范围，确定发动机振动等级。

目录

声明

致谢

摘要

第一章 绪论

1．1．1 研究背景

1．1．2 研究意义

1．2 国内外研究现状

1．2．1 分析系统概要

1．2．2 算法应用概要

1．3 本文研究的主要内容

1．4 本文的组织结构

1．5 本章小结

第二章 系统需求分析

2．1 振动分析系统需求概述

2．2 振动分析系统功能需求分析

2．2．1 结构本体

2．2．2 故障本体

2．2．3 装配基准

2．2．4 装配分解数据

2．2．5 试车参数

2．2．6 振动故障分析

2．3．1 系统扩展性

2．3．2 系统安全性

2．3．3 性能需求

2．4 本章小结

第三章 振动数据分析系统的结构设计

3．1 设计策略与原则

3．2 系统总体架构设计

3．2．1 基于EXTJS的web富客户端框架

3．2．2 基于反转控制的SpringMVC框架

3．2．3 基于分布式文件存储的MongoDB数据库

3．3 系统软件结构设计

3．4 系统功能结构设计

3．5 数据组织结构

3．5．1 发动机结构本体数据

3．5．2 发动机故障本体数据

3．5．3 发动机装配本体数据

3．5．4 发动机装配分解数据

3．5．5 发动机试车数据

3．6 本章小结

第四章 基于多维数据的聚类挖掘算法

4．1 相关概念

4．2 多维振动数据的选择与优化

4．3 聚类算法在发动机振动故障中的应用

4．3．1 DBSCAN算法

4．3．2 Kmeans聚类算法

4．3．3 算法总体流程

4．3．4 算法分析

4．3．5 归一化

4．4 实验及分析

4．4．1 实验数据集和评价方法

4．4．2 结果及分析

4．5 本章小结

第五章 振动数据分析系统实现

5．1 系统环境

5．2 结构本体模块

5．3 故障本体模块

5．4 装配基准模块

5．5 发动机装配模块

5．6 试车模块

5．7 振动分析模块

5．8 本章小结

第六章 总结与展望

6．1 总结

6．2 展望

参考文献

攻读硕士学位期间的学术活动及成果情况