答辩博士：左红艳

指导教师：刘晓波  教授/博导

论文题目：基于振动信号的航空发动机转子故障诊断研究 

答辩委员会：

主席：汤文成      教授/博导         东南大学

委员：李东波   教授/博导          南京理工大学

刘晓波   教授/博导     南昌航空大学

游有鹏    教授/博导     南京航空航天大学

陆永华   教授/博导     南京航空航天大学

臧朝平   教授/博导     南京航空航天大学

岳林      教授/博导    南京航空航天大学

秘书：陆俊华   副教授/硕导    南京航空航天大学

答辩时间：2019年11月23日 14：00

地    点：南航明故宫校区 15-341

学位论文简介：

转子系统是航空发动机核心部件，在运行过程中，往往表现为复合故障。为了实现转子系统的状态监测和诊断，论文以转子的不平衡、不对中、碰摩、松动及复合故障作为研究对象，应用耦合特征分离和模式识别两类方法实现转子故障诊断。

论文的主要研究工作包括：

（1）通过傅里叶分解方法将复合故障的谐波分量与冲击分量分离，实现了复合故障的分析与诊断。

（2）应用改进小波聚类方法实现转子故障诊断，提高了小波聚类精度与效率。

（3）针对于分布不均匀的混合数据，提出双阶自适应小波聚类算法，提高了故障诊断正确率。

（4）为了提高小波聚类精度，提出将功率谱重心、边际谱重心、最高能量层谱重心、散布熵作为故障分类的特征向量，结合双阶自适应小波聚类方法，实现了多种故障类型混合的故障分类与识别。

主要创新点：

 (1) 应用傅里叶分解方法将振动信号分解一系列固有频带分量，应用互相关系数与峭度值相结合的准则，实现谐波分量与冲击分量信号的分离，实现复合故障的诊断。

（2）为了提高小波聚类方法的效率与精度，在网格量化值、信息存储、相似度测量、类的搜索方法上的作了改进。以提高小波聚类精度与效率。

（3）针对于密度分布不均匀的多类混合数据，提出双阶自适应小波聚类算法，此方法消除了网格划分量化值对诊断精度的影响，提高了故障诊断正确率。

（4）为了提取小波聚类精度，提出将功率谱重心、边际谱重心、最高能量层谱重心、散布熵作为故障分类的特征向量，与双阶自适应小波聚类，实现了多种故障类型混合的故障分类与识别。。