答辯博士：左紅豔

指導教師：劉曉波  教授/博導

論文題目：基于振動信号的航空發動機轉子故障診斷研究 

答辯委員會：

主席：湯文成      教授/博導         東南大學

委員：李東波   教授/博導          南京理工大學

劉曉波   教授/博導     南昌航空大學

遊有鵬    教授/博導     ag真人百家家乐平台

陸永華   教授/博導     ag真人百家家乐平台

臧朝平   教授/博導     ag真人百家家乐平台

嶽林      教授/博導    ag真人百家家乐平台

秘書：陸俊華   副教授/碩導    ag真人百家家乐平台

答辯時間：2019年11月23日 14：00

地    點：南航明故宮校區 15-341

學位論文簡介：

轉子系統是航空發動機核心部件，在運行過程中，往往表現為複合故障。為了實現轉子系統的狀态監測和診斷，論文以轉子的不平衡、不對中、碰摩、松動及複合故障作為研究對象，應用耦合特征分離和模式識别兩類方法實現轉子故障診斷。

論文的主要研究工作包括：

（1）通過傅裡葉分解方法将複合故障的諧波分量與沖擊分量分離，實現了複合故障的分析與診斷。

（2）應用改進小波聚類方法實現轉子故障診斷，提高了小波聚類精度與效率。

（3）針對于分布不均勻的混合數據，提出雙階自适應小波聚類算法，提高了故障診斷正确率。

（4）為了提高小波聚類精度，提出将功率譜重心、邊際譜重心、最高能量層譜重心、散布熵作為故障分類的特征向量，結合雙階自适應小波聚類方法，實現了多種故障類型混合的故障分類與識别。

主要創新點：

 (1) 應用傅裡葉分解方法将振動信号分解一系列固有頻帶分量，應用互相關系數與峭度值相結合的準則，實現諧波分量與沖擊分量信号的分離，實現複合故障的診斷。

（2）為了提高小波聚類方法的效率與精度，在網格量化值、信息存儲、相似度測量、類的搜索方法上的作了改進。以提高小波聚類精度與效率。

（3）針對于密度分布不均勻的多類混合數據，提出雙階自适應小波聚類算法，此方法消除了網格劃分量化值對診斷精度的影響，提高了故障診斷正确率。

（4）為了提取小波聚類精度，提出将功率譜重心、邊際譜重心、最高能量層譜重心、散布熵作為故障分類的特征向量，與雙階自适應小波聚類，實現了多種故障類型混合的故障分類與識别。。