基于航空发动机整机振动特性的故障诊断方法研究

引言

随着航空发动机结构日益复杂、工作环境更加苛刻，致使振动问题成为影响可靠性和寿命关键因素之一，实际运行中因多源干扰与结构耦合会出现不平衡、不对中、叶片裂纹等多种复杂故障且这些故障通过整机振动特性体现，而传统诊断方法多聚焦局部部件或特定频段难以全面捕捉系统性异常特征存在诊断精度低、响应滞后等问题，本文开展系统建模与故障诊断研究并构建从信号获取、特征提取到智能识别的全流程技术体系，对提升航空发动机健康监测与智能运维能力意义重大。

1 整机振动特性建模基础

1.1 振动数据采集机制

整机振动信号获取情况对故障诊断模型精度与稳定性有着直接影响，为全面反映运行状态下动态响应，传感器要覆盖转子、支承与连接部位且在轴向、径向等关键方向布设，采样频率设定需高于故障特征频率两倍（通常不低于 5kHz），采集系统应具备高动态范围与多通道并发能力且配备抗混叠滤波器与屏蔽布线方案以提升信号质量，振动信号常呈非平稳特性可通过小波包分解与短时傅里叶变换提取其时频特征来揭示故障激发下能量分布与频率漂移变化，比如叶片裂纹状态下高频成分明显增强、频谱结构出现局部扩展并与健康状态形成显著差异，对比结果如图1 所示呈现不同工况下典型振动模式[1]。

1.2 模态特性建模

在高转速条件下表现出强耦合与非线性响应特征的航空发动机，其固有频率、阻尼比与振型等本征参数可通过模态分析来提取。利用频率响应函数建立激励与响应之间动态映射并结合频域子空间法（FDD）等算法进行多阶模态识别的情况存在。实验表明的是，叶片裂纹或结构松动会引起模态频率下移与能量集中畸变，健康状态下模态响应分布稳定，而故障状态下会出现峰值衰减、振型变异等现象 [2]。能为后续故障诊断提供频域依据且可辅助故障定位与趋势预判的模态模型，构成了整机级动态分析的结构基础。

2 故障诊断方法设计

2.1 特征指标构建

本文针对航空发动机整机振动信号呈现出的非平稳性特征，提取包括 RMS、峭度、峰值因子、频谱熵以及主频能量等在内的多维时频特征以构建具有判别能力的特征向量，采用特征归一化与主成分分析方法提升特征稳定性，基于此特征集，引入支持向量机（SVM）与轻量级卷积神经网络（CNN）用于故障模式识别，其中 SVM 模型凭借径向基核优化分类边界，适用于低维特征场景，而CNN 结构依据频谱图输入，可自适应提取局部模式，具有更高识别精度与更优训练效率，两种模型各有优势，能在不同计算资源与部署场景下灵活选用。

2.2 评估指标

为全面评估诊断模型有效性采用准确率、召回率与F1 值作性能指标并结合混淆矩阵分析故障识别正确性与稳定性之情形下，实验显示CNN 在处理叶片裂纹等高频激励类故障时准确率可达 97% 以上且 SVM在轻故障分类中保持较快响应与较高识别效率，又因不同模型对不平衡与不对中故障之间边界存在差异性需结合特征优化进一步提升识别精度，多种故障状态下识别结果如表1 所示以为实际应用提供参考依据。

3 故障模拟

3.1 故障仿真

以验证整机振动诊断方法在典型工况下的适应性与有效性为目的，构建具备结构可调与故障注入能力且集成高功率驱动单元、转子支承系统，与多通道数据采集设备以支持模拟不平衡、联轴器松动、叶片裂纹等多类故障形态的航空发动机故障仿真平台，采用设定采样频率为5000Hz 的高灵敏度压电加速度计对关键位置布设测点以涵盖低速至高转速全工况范围，在试验过程中同步采集振动信号进而对不同故障状态下的 RMS、峭度与频谱熵等特征进行提取与对比分析。结果显示，各故障状态在能量分布、频率扩展与高频激励特性方面存在显著差异且仿真模型与实测数据呈现出高度一致性从而为后续模型训练提供了高质量数据支持。

3.2 模型性能分析

基于采集到的多工况振动数据构建的 SVM 与 CNN 两类分类模型经采用交叉验证法进行性能评估，在理想环境下两种模型平均识别准确率均达 90% 以上，且 CNN 于叶片裂纹诊断中 F1 值达 0.96 而表现出优越高频模式识别能力，在模拟传感器漂移与信号扰动条件下 CNN 稳定性优势明显仍能维持较高精度，混淆矩阵分析结果显示不对中与轻度不平衡状态易有识别重叠需优化特征设计以增强区分度[3]。总体结果验证，所提方法在实际工程条件下有着良好稳定性与泛化能力，且适用于复杂结构振动故障的快速识别与分类。

4 结论

本文围绕航空发动机整机振动特性展开的故障诊断方法研究，构建了涵盖信号获取、模态建模、特征提取与分类识别的完整诊断流程，针对不平衡、不对中与叶片裂纹等典型故障设计了多维振动特征指标体系，且引入支持向量机与轻量级卷积神经网络进行智能分类建模，结合仿真与试验平台采集的故障数据对模型性能予以验证分析。研究结果显示，该方法能有效识别不同故障状态且具有较高的准确性与稳定性。

参考文献

[1] 胡明辉 , 高金吉 , 江志农 , 等 . 航空发动机振动监测与故障诊断技术研究进展 [J]. 航空学报 ,2024,45(04):7-35.

[2] 郑丽 , 罗泽明 , 付炎晶 . 航空发动机整机振动研究综述 [J].机械制造与自动化 ,2016,45(01):199-201.

[3] 艾延廷 , 周海仑 , 孙丹 , 等 . 航空发动机整机振动分析与控制[J]. 学报 ,2015,32(05):1-25.

作者简介：杨研（2004.01-）女，汉族，吉林省德惠市，本科，研究方向：飞行器动力工程。