统计时频谱驱动的高速自动机损伤预示方法∗

王宝祥，潘宏侠

（1.淮阴工学院机械与材料工程学院 淮安，223003）（2.中北大学机械工程学院 太原，030051）

引言

当前，在部队训练趋于实战化和常态化大背景下，高强度训练对兵器装备服役性能提出了更高要求，兵器装备安全性和可靠性日益受到关注。高速自动机是武器系统重要组成部分，由于在恶劣的工作环境中遭受复杂多变的工作载荷，各组成元件在设计、制造、装配过程中存在的缺陷逐渐暴露出来，武器系统卡滞、磨损等故障时有发生。如何保障武器装备的服役性能是一个需要迫切解决但又具有挑战性的课题。

枪弹击发时，在火药燃烧产生的高压气体冲击下，系统各组件在极短时间内完成了复杂的运动形态转化过程，并伴随着一系列剧烈的冲击和振动。高速自动机复杂运动形态的响应信号是一系列非平稳短时瞬态冲击序列，其中既包含组件早期损伤的微弱状态信息，也混有大量背景噪声及其他干扰成分，导致武器系统早期故障特性不够明显。现有的智能故障诊断方法主要解决分类问题，需要大量的故障样本训练分类器，而实际应用中高速自动机历史故障样本却很难收集［1‐3］。统计多变量过程控制方法使用设备正常样本建立参照模型，通过统计未知状态样本与参照模型的偏差反映设备服役性能演化轨迹，同时估计出设备安全服役的参考阈值用于服役性能控制，有利于早期故障检测。Yu［4］提取了滚动轴承服役性能演化过程的多特征参数，建立了融合多特征局部信息的局部保持投影模型（locality preserving projections，简称LPP），检测到轴承早期损伤特征。……