基于小波分析的航空发动机气动失稳信号分析方法

刘卓

摘 要：文章旨在做好航空发动机气动失稳信号的有效分析，通过应用小波变换的方式分析了小波变换的原理，以航空发动机气动失稳信号检测为例分析了小波变换过程的信号失稳检测，信号分析结果表明借助于小波变换的时频分析能力逐渐增强，故障诊断率高，应用价值较好。

关键词：小波变换；航空发动机；气动失稳；信号分析

航空发动机在其工作范围内存在危害性极大的“旋转失速”和“喘振”两类气动失稳现象。目前各国航空科研人员已将这些失稳现象作为重要研究课题。小波变换在航空发动机故障的诊断过程中，可以克服传统傅立叶变换的不足，实现航空发动机故障诊断信号处理，分析同一时间域上不同频率的分布情况，做好故障的分析结果[1]。本文从小波变换的角度分析了航空发动机气动失稳信号的分析方法。

1 传统的时频分析方法

传统的信号分析方法通常是建立在傅立叶变换的基础之上的，由于傅立叶分析无法完全表达信号的时频局域性质，发展了短时傅立叶变换、小波变换、线调频小波变换等信号分析方法。短时傅立叶变换把信号划分成许多小的时间间隔，在每一个时间间隔里，用傅立叶变换对其进行分析，确定该时间间隔内的信号频率成分。短时傅立叶变换虽然克服了传统傅立叶变换不能满足信号处理需求的缺点，但对于信号波形变化比较剧烈的非平稳信号，短时傅立叶变换不具备较高的时间分辨率。小波分析兼顾了低频信号和高频信号的特性，在高频信号部分具有较高的时间分辨率，在低频信号部分具有较高的频率分辨率，对分析正常信号中夹带的瞬态反常信号具有良好的效果。

2 小波变换故障检测原理

小波变换有着准确的定位信息，同时也有着更加全面的频率分析范围。小波变换的过程，时间频率分辨率矛盾逐渐化解，借助于非均匀分布的特征，更好的应用带宽频率的分析和应用。基于信号的分析过程，实现信号的有效分解和应用，同時确定线性方式频率的处理，体现出时变信号较为明显的优越性。在小波多分辨分析过程，确定函数构造函数，在空间函数标准构造过程，确定标准化正交基，实现空间函数的相互嵌套[2]。航空发动机的控制系统结构复杂，小波变换已经逐步应用于航空发动机气动不稳定性研究领域。

3 基于MATLAB的Gabor实现

用于分析的计算机软件平台是MathWorks公司出品的商业数学软件-MATLAB，MATLAB是可用于数据可视化、数据分析以及数值计算的高级计算语言。它将数值分析、矩阵计算、科学数据可视化及非线性动态系统的建模和仿真等诸多强大功能集成在一个易于使用的视窗环境中，为科学研究、工程设计等提供了一种全面的解决方案。

信号频率成分如图2所示。

由上图可以看出此失稳信号包含5个主要频率成分，在时间段1.4s～3s中，含有频率分别为15.76Hz、33.06Hz、67.65Hz、75.33Hz、115.69Hz，其中33.06Hz成分能量最高，在2s～2.3s左右出现，最大峰值为0.14327。由此可见，小波分析优于傅立叶变换的地方是在时域和频域同时具有良好的局部化性质。

4 结束语

小波变换主要是分析测量信号的特征模式，在非平稳信号故障的分析过程中，结合波形变化的多种模式分析。小波变换过程可以实现特征信号的定位准确判断，有着全面的分析频率范围，在小波变换精确对特征信号提取的过程中，可以实现对航空发动机气动失稳信号准确的分析和判断。

参考文献

[1]利用小波分析检测航空发动机传感器故障[J].计算机仿真，

2005，22（9）：37-39.

[2]瞿红春，王珍发.小波变换在航空发动机故障诊断中的应用[J].中国民航学院学报，2001，19（4）：20-23.