机械工程学报

作者：余晓霞, 汤宝平, 魏静, 张志刚

单位：1. 重庆理工大学机械工程学院 重庆 400054;2. 重庆大学机械传动全国重点实验室 重庆 400044

关键词：航空发动机附件机匣,机理约束,图权重增强网络,大转数波动,故障诊断；

基金：国家重点研发计划(2020YFB1709800)、国家自然科学基金(51775065)、重庆市高校创新研究群体(CXQT21027)、装备预研教育部联合基金、重庆英才计划包干制(cstc2021ycjh-bgzxm0261)、重庆理工大学科研启动基金(0119230961)和重庆理工大学国家自然科学基金培育(0119230874)资助项目。

针对现有深度学习模型在故障特征提取过程中容易受到大转数波动工况影响，导致航空发动机附件机匣故障诊断精度较低的问题，提出了一种机理约束图权重增强网络(Mechanism constraint graph weight enhancement networks, MCGWENet)的航空发动机附件机匣故障诊断方法。首先通过度量振动信号时域和频域特征的欧式距离约束图的邻接矩阵，将物理机理嵌入到所构建的图结构中；然后将振动信号的小波包分解结果作为节点特征；并结合所设计的邻接矩阵构造出可用于航空发动机附件机匣故障诊断的图；最后，通过所设计的图权重增强层抑制大转数波动对故障特征提取的影响，提升所提模型的故障诊断精度。试验结果表明，所提模型能够有效识别机匣故障，可用于航空发动机附件机匣健康管理。

来源：2024年第12期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2024年第12期