中文摘要：

本项目针对航空发动机早期耦合故障诊断问题，开展增强早期微弱耦合故障特征的新多小波提升构造研究。在已选择多小波基的基础上，研究通过提升和对偶提升改进每个基函数的特性，使其具有更加理想的形状以匹配早期微弱耦合故障特征波形的微小变化，得到性能优良的新多小波基，弥补经典小波方法不能根据故障特征波形特点构造特征多小波的不足；采用基于数据的优化方法，构造出在每个分解尺度具有监测数据特征的多小波基预测算子和更新算子，得到自适应动态锁定信号局部特征的新多小波基尺度函数和小波函数，有效揭示航空发动机早期微弱耦合故障信号中隐含的瞬态突变特征；构建航空发动机试验平台，模拟早期耦合故障类型、耦合方式、振动信号形式及特征，对开发的提升新多小波早期耦合故障诊断软件系统，进行仿真、实验验证。本研究将弥补现有理论和技术的不足， 有效地提示航空发动机早期耦合故障的发生、发展和转移，实现有效的识别和分离。

结论摘要：

本项目针对航空发动机早期微弱耦合故障诊断问题，开展了基于提升格式的多小波提升构造理论与方法研究，开发了早期耦合故障诊断的新理论和新方法。 针对航空发动机早期耦合故障诊断问题，以信号多小波分解频带奇异熵最小为优化目标，得到自适应匹配信号特征的新多小波基函数，从而构造出自适应提升多小波包。利用1.5维谱对非线性耦合振动的解耦作用，选取自适应提升多小波包故障敏感频带，进而提取早期耦合故障特征。振动信号分析表明，构造的新多小基函数能更好地匹配早期耦合故障特征，较理想地从噪声背景下提取出滚动轴承内圈和外圈损伤故障特征。 针对航空发动机多故障诊断问题，提出了一种基于多小波包和改进EEMD的多故障诊断方法。多小波包具有多个小波基函数，以多小波包作为预滤波器，在其分解频带信号中增强多故障特征，选取多故障敏感频带。根据信号振动特性选择添加噪声幅值，改进EEMD方法自适应信号分解的精度，从故障敏感频带提取多故障特征。信号分析结果表明，采用基于多小波包和改进EEMD诊断方法将叶片断裂及叶片断裂后引起的轴不平衡多故障特征准确提取出来，将转子系统健康和故障状态区分开来。针对航空发动机早期故障识别问题，以每层分解逼近信号和细节信号峭度值最大为优化目标，选取自适应匹配早期故障特征的预测器和更新器，构造自适应提升小波。采用傅立叶变换消除自适应提升小波频带交叠频率成分。该方法成功地从噪声背景下提取出了滚动轴承外圈早期故障特征。 针对航空发动机微弱故障诊断问题，采用基于数据的优化方法，以计算误差最小为优化目标，构造出匹配信号特征的自适应提升小波包算子。选取振动能量最大值出现的频带为自适应提升小波包故障敏感频带；计算故障敏感频带内滚动轴承故障特征频率的冲击脉冲值。该方法较好地提取出滚动轴承外圈损伤微弱故障。　　此外，开展了基于改进盲源分离、改进时变自回归模型、基于CS-Boosting算法和动态半监督学习方法的航空发动机故障诊断方法研究。　　搭建了航空发动机故障实验台，开展早期耦合故障实验研究，验证了所开发理论方法及相关技术的有效性。　　通过本项目研究，已在国际刊物发表及录用论文4篇、在审论文2篇；国内核心刊物发表及录用论文7篇；SCI已收录2篇、EI收录10篇、ISTP收录2篇；获授权发明专利1项，已申请专利1项；获国防科技进步二等奖一项。