本项目在对盲分离理论、飞机发动机状态信号盲特性及涡扇发动机状态振动特性研究的基础上,将盲源分离理论应用于其声振信号分析,发展和丰富了基于盲处理的发动机状态信号分析方法,为发动机早期故障诊断、发动机的维修提供更客观的依据。这些工作使飞机发动机状态数据分析达到一个新水平。在盲分离方法应用方面,针对某型涡扇发动机空中停车、振动过大实际振动信号,在发动机振源信号数目确定、转子振动源信号分离、混沌振动信号分离、轴心轨迹分离、振动信号基函数盲分离、振动非线性混合神经网络盲分离、噪声源盲分离、MISEP盲分离算法、多小波及提升小波振动信号降噪、神经网络及支持向量基故障模式识别等方面进行了深入的研究(见16篇已刊出的论文和8篇将刊出的论文),取得良好的效果,这些方法有助于正确评估发动机状态、提高飞机发动机监测及故障诊断准确性。本项目构建了初级飞机状态监测机载无线传感器网络原型系统,开发了具有发动机数据导入转换及分析、初级诊断功能的网络化系统。开发了利用MEMS及微电子集成技术的新型振动、应变、温湿度等测量的微型传感器。这些开发工作完善后具有很好的应用前景。
英文主题词Turbofan Engine; BSS; ICA; Condition Signal Processing; Fault Diagnosis.