随着中国近年来国防建设的飞速发展,航空机载设备承担了越来越多的任务,从酷热的西沙、南沙群岛到寒冷的西北、东北边疆,都活跃着战机的身影。在飞机频繁的训练背后,飞机的维护工作更加繁忙,不仅仅要保证飞机训练任务的顺利完成,也要保证飞机内部各个设备运行的稳定,在这种情况下就需要飞机维修人员在日常的工作中注意加强对飞机的故障检查,保证飞机各个系统的良好状态。在飞机的各个系统组成中,本文着重分析飞机的液压系统。

为了提高齿轮故障信号特征提取时处理稀疏性差信号的能力,设计了一种应用稀疏度自适应匹配追踪(SAMP)算法对齿轮故障信号进行处理方法。通过对仿真的齿轮故障信号数学模型和齿轮出现点蚀时的实验数据分析表明经过SAMP处理后齿轮啮合频率以及半频和转频更加明显,边频带也更加突出,干扰成分降到最低。证明SAMP算法能够提取主要齿轮故障特征信息,有效降低噪声影响。相对于OMP算法处理齿轮故障信息,进过SAMP算法处理的故障信号,故障特征更加明显,且重构信号精度更高,表明SAMP算法重构故障信号相对于正交匹配追踪算法能够更好的提取主要齿轮故障特征。

本文对拖拉机液压系统主要部件,液压油泵、分配器、油缸活塞组件的故障特征与检修方法做了详细的论述,为用户排除故障时提供参考。

以某型装备溢流阀为研究对象,分析了常见的故障及其表现特征,选取了适于监测溢流阀故障的特征信号,设计了溢流阀的状态监测系统,并用此系统采集和分析了溢流阀发生故障时的数据,得到了不同故障发生时的故障信号特征。

往复压缩机故障类别繁多,而气阀故障占总故障的36%。研究往复式压缩机气阀常见的3种故障:阀片断裂、弹簧失效、阀片密封面失效;在2D-90往复式压缩机上针对网状吸气阀进行故障模拟实验,通过在阀座上安装加速度传感器,采集然后分析阀座振动加速度信号的时域波形和频谱能量分布,找出故障特征信号与气阀工作状态的对应关系,为往复式压缩机气阀故障诊断提供参考。

针对某型航空液压油泵的工况复杂、故障模式多样、样本数据匮乏及诊断难等问题,分析了液压泵的故障模式和特征频率,根据4种典型故障模式和8种工况设计了故障模拟试验方案,并搭建了液压泵故障模拟软硬件试验平台。以磨损故障为例,对振动故障数据实现了采集和故障特征分析,验证了平台的有效性和诊断的可行性。

故障信号特征提取的准确性是保证故障智能诊断识别率的关键因素。低信噪比情况下,故障诊断效果下降。变分模态分解方法（VMD）在信号分解精度和抗噪方面具有明显优势。在分析VMD抗噪性能的基础上,提出以VMD分解的各模态能量作为智能诊断特征信息,并与小波包的特征信息进行对比研究。将滚动轴承两种故障特征信息通过BP神经网络识别,用不同信噪比的加噪故障信号进行测试,结果表明,在低信噪比情况下基于VMD模态能量的故障特征更具有可识别性。

液压流量优先阀可以为负载变化大的系统提供精确的流量控制,其性能好坏直接影响到系统的控制精度及可靠性。在对液压流量优先阀结构及原理深入理解的基础上,针对实际使用过程中优先阀出现的故障特征,利用AMESim仿真软件建立其仿真模型,将仿真结果与故障测试曲线对比,验证了仿真模型的正确性;通过参数调整对该液压流量优先阀进行了优化设计,给出了液压流量优先阀在设计及使用过程中的注意事项。

针对液压泵振动信号出现的调制现象,该文提出一种基于经验模态分解（EMD）和相关性分析的包络解调方法,并与基于小波包理论和Hilbert变换的包络解调方法进行了对比,通过分析某型装备液压泵在各种故障状态下的振动信号,成功提取了调制信号在高频谐振带的包络成分。通过两种方法的对比可以得出：两种方法都能较好的提取对象的故障特征,但改进EMD方法所提取到的故障特征更为准确,能量丢失较少。

针对不同故障类型下的液压泵振动信号具有不同复杂性的特点，将多尺度熵引入到液压泵故障识别中。多尺度熵是在样本熵的基础上通过引入尺度因子，从而能够分析信号在不同尺度因子下的复杂性。在多尺度熵的基础上定义一个同时考虑多尺度熵熵值大小和熵值变化趋势的指标——多尺度熵偏均值（PMMSE）。该指标定量地刻画故障信号的复杂性。将该指标用于液压泵的故障识别中。通过对液压泵4种不同运行状态的实测振动信号进行分析，结果表明PMMSE能够很好地区分出液压泵的不同故障类型，验证了该指标在故障特征提取中的有效性。