项目名称: 基于静电感应的航空发动机滑油系统全流量在线监测及寿命预测方法研究

项目编号: No.51465047

项目类型: 地区科学基金项目

立项/批准年度: 2015

项目学科: 机械、仪表工业

项目作者: 王云

作者单位: 南昌航空大学

项目金额: 48万元

中文摘要: 滑油在线监测技术能够实时动态获取发动机摩擦学系统磨损信息,是实现发动机视情维修的关键技术之一。随着航空发动机飞速发展,各种非金属材料如陶瓷基复合材料被等应用于现代航空发动机。针对目前滑油系统缺乏有效的非金属颗粒在线监测手段的问题,本项目研究一种新的基于静电感应的全流量在线监测方法,建立全流量静电传感器的测量模型,揭示传感器结构参数,材料及润滑介质对传感器性能影响的规律,为传感器优化设计提供理论依据;研究静电感应信号去噪及特征参数提取方法,有效提高传感器的微细磨粒识别能力,降低虚警率;探索磨粒的材料特性与静电感应信号的关联关系,实现磨损故障隔离定位,构造多源信息条件下采用多模型融合的剩余寿命组合预测方法。本项目研究成果对于丰富航空发动机状态监测及寿命预测手段,提高服役的安全性和可靠性,具有重要的理论意义和工程价值。

中文关键词: 滑油系统;全流量监测;静电感应;特征提取;寿命预测

英文摘要: The oil-line condition monitoring technology, which can dynamically obtain the wearing information of the engine tribological system in real time, is one of the key techniques for engine condition based maintenance. With the rapid development of aero engine, various nonmetal materials such as ceramic matrix composite are used in engine. In response to the lack of effective means for on-line monitoring non-metallic particles of the oil system, this project studies on oil-line monitoring method based on electrostatic induction principle. The measurement model of oil-line electrostatic sensor is developed to study the effect of the sensor geometric parameters, the probe material as well as the lubricants on sensor performance, which can provide a theoretical basis for the design optimization of the sensor. The denoising method and feature extraction method for the electrostatic monitoring signal are researched, which can improve the micro-debris recognition capability of the sensor effectively and reduce the false alarm rate. The relationship between material properties of the debris and the electrostatic induction signal will be explored, which can help to identify the wear fault location. The project should construct the remaining life prediction method based on multi-source information. This project can enrich the methods for the aero engine condition monitoring and provide more information for life prediction, thus improving the safety and reliability of the in-service engine, with great theoretical significance and engineering value.

英文关键词: oil system;oil-line monitoring;electrostatic induction;feature extraction;life prediction

成为VIP会员查看完整内容
0

相关内容

特征提取是计算机视觉和图像处理中的一个概念。它指的是使用计算机提取图像信息,决定每个图像的点是否属于一个图像特征。 特征被检测后它可以从图像中被抽取出来。这个过程可能需要许多图像处理的计算机。其结果被称为特征描述或者特征向量。
专知会员服务
36+阅读 · 2021年10月15日
专知会员服务
86+阅读 · 2021年9月4日
专知会员服务
37+阅读 · 2021年8月31日
专知会员服务
41+阅读 · 2021年6月2日
专知会员服务
31+阅读 · 2021年5月7日
专知会员服务
25+阅读 · 2021年4月2日
Nest Hub 的非接触式睡眠监测
TensorFlow
1+阅读 · 2021年5月21日
【数字孪生】使用数字孪生体进行预测性维护
产业智能官
27+阅读 · 2019年7月22日
自动驾驶技术解读——自动驾驶汽车决策控制系统
智能交通技术
30+阅读 · 2019年7月7日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
1+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月18日
Table Enrichment System for Machine Learning
Arxiv
0+阅读 · 2022年4月18日
Arxiv
0+阅读 · 2022年4月17日
Arxiv
0+阅读 · 2022年4月14日
小贴士
相关VIP内容
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员