航空發(fā)動機軸承數(shù)據(jù)集 | 寫論文再也不用擔(dān)心沒數(shù)據(jù)集啦！

Bookroom for JetYang 2023-10-29 發(fā)布于湖南

展開全文

今天給大家推薦一個航空發(fā)動機軸承公開數(shù)據(jù)集，該數(shù)據(jù)集是以航空發(fā)動機為原型搭建的試驗臺，與航空發(fā)動機工況更接近，診斷起來也更具有挑戰(zhàn)性。該數(shù)據(jù)集是2023年公開的，因此目前基于該數(shù)據(jù)集的論文不是很多，小伙伴們趕緊用起來吧！對于研究航空發(fā)動機診斷的小伙伴們，再也不用擔(dān)心寫論文因為只用了公開試驗臺數(shù)據(jù)集而被審稿人質(zhì)疑啦。

論文信息

論文題目：An Inter-shaft Bearing Fault Diagnosis Dataset from Aero-engine System

DOI: https:///10.37965/jdmd.2023.314

年份：2023

作者：Lei Hou 1* , Haiming Yi 1 , Yuhong Jin 1 , Min Gui 2 , Lianzheng Sui 2 , Jianwei Zhang 2 , Yushu Chen 1

機構(gòu)：1) School of Astronautics, Harbin Institute of Technology, Harbin 150001, China;

2) Factory of Xiang Yang Hang Tai Power Machinery, Xiangyang 441000, China

摘要

本文針對航空發(fā)動機軸間軸承故障進行了試驗，首次提出了基于轉(zhuǎn)子和機匣振動信號的數(shù)據(jù)集。首先，建立了以航空發(fā)動機為原型的試驗臺，該試驗臺采用電動機驅(qū)動，并安裝了潤滑系統(tǒng)。然后，按照規(guī)范流程拆卸組裝航空發(fā)動機，更換人為故障的軸間軸承。接下來，在28組高、低壓速度下進行航空發(fā)動機試驗。設(shè)置6個測點，其中2個位移傳感器用于測試低壓轉(zhuǎn)子的位移振動信號，4個加速度傳感器用于測試機匣的加速度振動信號。測試結(jié)果被整合到軸間軸承故障數(shù)據(jù)集中。最后，在本文數(shù)據(jù)集的基礎(chǔ)上，利用頻譜、包絡(luò)譜、CNN、LSTM和TST進行故障診斷，并與CWRU和XJTU數(shù)據(jù)集的結(jié)果進行比較。結(jié)果表明，在本文數(shù)據(jù)集對應(yīng)的頻譜和包絡(luò)譜中不能直接找到特征故障頻率，而在CWRU和XJTU數(shù)據(jù)集中可以找到特征故障頻率。本文使用CNN、LSTM和TST對數(shù)據(jù)集進行故障診斷，準確率分別為83.13%、85.41%和71.07%，遠低于CWRU和XJTU數(shù)據(jù)集的診斷結(jié)果?？梢钥闯?，本文的數(shù)據(jù)集更接近實際的故障診斷情況，是一個更具挑戰(zhàn)性的數(shù)據(jù)集。該數(shù)據(jù)集為故障診斷方法的驗證提供了新的基準。

數(shù)據(jù)獲?。?/span>https://github.com/HouLeiHIT/HIT-dataset

上述鏈接若打不開，文末有百度網(wǎng)盤鏈接。

1. 引言

2. 實驗裝置支架

3. 軸間軸承人為故障

4. 航空發(fā)動機軸間軸承故障數(shù)據(jù)集

5. 頻譜分析的基準研究

6. 機器學(xué)習(xí)基準研究

7. 結(jié)論

8. README.md

1. 引言

在現(xiàn)有的航空發(fā)動機飛機滾動軸承故障診斷的機器學(xué)習(xí)方法研究中，訓(xùn)練和測試集是基于公開發(fā)布的軸承故障數(shù)據(jù)集。軸間軸承的更換復(fù)雜而困難，目前尚無公開發(fā)布的基于航空發(fā)動機轉(zhuǎn)子和機殼信號的飛機滾動軸承故障數(shù)據(jù)集。本文搭建了試驗臺，對航空發(fā)動機軸間軸承故障進行了試驗，并建立了基于試驗結(jié)果的數(shù)據(jù)集。

本文的主要貢獻如下:

(1)首次發(fā)布了基于航空發(fā)動機系統(tǒng)的軸間軸承故障數(shù)據(jù)集，該數(shù)據(jù)集來自航空發(fā)動機轉(zhuǎn)子和機殼的振動響應(yīng)，而不僅僅是來自軸承試驗臺數(shù)據(jù)。發(fā)布的數(shù)據(jù)集更接近航空發(fā)動機的實際激勵狀態(tài)和振動耦合。

(2)數(shù)據(jù)集包括健康、內(nèi)圈故障和外圈故障三種類型的數(shù)據(jù)。轉(zhuǎn)子轉(zhuǎn)速范圍為1000r/min ~ 6000r/min。測點設(shè)置在轉(zhuǎn)子和機匣上，振動信號包括位移和加速度信號。

(3)本文采用頻譜、包絡(luò)譜、CNN、LSTM、TST等方法對數(shù)據(jù)集進行初步分析，發(fā)現(xiàn)可以使用現(xiàn)有的故障診斷方法對數(shù)據(jù)集進行診斷，具有通用性。

將診斷結(jié)果與XJTU和CWRU數(shù)據(jù)集的診斷結(jié)果進行比較，發(fā)現(xiàn)本文數(shù)據(jù)集的故障診斷更為復(fù)雜，為后續(xù)故障診斷方法的性能評價提供了具有挑戰(zhàn)性的新基準。

2. 實驗裝置支架

在本研究中，我們建立了一個基于真實航空發(fā)動機的試驗臺，以測量發(fā)動機在運行過程中的振動響應(yīng)。該試驗臺由三個主要部分組成：一個改裝的航空發(fā)動機、一個電機驅(qū)動系統(tǒng)和一個潤滑油系統(tǒng)。改裝后的航空發(fā)動機是試驗臺的核心部件，負責(zé)產(chǎn)生運行過程中的振動信號。另一方面，電機驅(qū)動系統(tǒng)為航空發(fā)動機在不同速度和負載下運行提供必要的驅(qū)動力，而潤滑油系統(tǒng)則確保發(fā)動機平穩(wěn)高效地運行。試驗臺實物圖如圖1所示。

圖1 基于真實航空發(fā)動機的試驗臺

試驗臺使用的改進型航空發(fā)動機包括去除轉(zhuǎn)子葉片、燃燒室和某些附件殼體。并保留了構(gòu)成航空發(fā)動機主要部件的關(guān)鍵雙轉(zhuǎn)子結(jié)構(gòu)。這種雙轉(zhuǎn)子結(jié)構(gòu)包括低壓(low pressure, LP)壓氣機和高壓(high pressure, HP)壓氣機以及低壓渦輪和高壓渦輪。主承重套管，軸間軸承和五個支撐軸承也被保留。雙轉(zhuǎn)子結(jié)構(gòu)如圖2所示，軸間軸承如圖3所示。表1提供了相關(guān)參數(shù)信息。

圖2 雙轉(zhuǎn)子結(jié)構(gòu)的三維模型

圖3 軸間軸承

表1 軸間軸承參數(shù)信息

在電機驅(qū)動系統(tǒng)中，試驗臺采用兩臺電機分別驅(qū)動低壓轉(zhuǎn)子和高壓轉(zhuǎn)子。低壓電機直接驅(qū)動低壓轉(zhuǎn)子，高壓電機通過提速齒輪箱驅(qū)動高壓轉(zhuǎn)子。圖4為試驗臺使用的電機，表2為電機的參數(shù)信息，包括額定電流、額定力矩和額定轉(zhuǎn)速。電機在試驗臺中起著至關(guān)重要的作用，因為它們驅(qū)動轉(zhuǎn)子并產(chǎn)生振動響應(yīng)。因此，選擇合適的電機和合適的參數(shù)對于保證測試結(jié)果的準確性和可靠性至關(guān)重要。根據(jù)試驗臺的要求，仔細選擇了低壓電機和高壓電機，確保它們符合試驗臺的必要規(guī)格。

圖4 低壓電機和高壓電機

表2 LP電機和HP電機信息

在試驗臺上安裝了潤滑系統(tǒng)，起到潤滑和冷卻的作用。它包括三個給油泵，一個掃油泵，以及一個配有溫度傳感器的熱泵，使系統(tǒng)能夠?qū)崿F(xiàn)溫度控制功能，并保持穩(wěn)定的溫度以獲得最佳性能。供油泵如圖5所示。

圖5 供油裝置

此外，為了保證測試人員和設(shè)備的安全，安裝了三個金屬防護罩，防止零件掉落造成任何事故。監(jiān)控系統(tǒng)還可以實時檢測任何潛在的異常情況，從而迅速采取行動。如圖6所示，可以詳細觀察到金屬保護罩和監(jiān)控系統(tǒng)，可以全面了解試驗臺的安全措施。

圖6 (a)金屬保護罩 (b)監(jiān)測系統(tǒng)

3. 軸間軸承人為故障

軸承故障診斷的研究往往涉及人為制造故障并進行模擬試驗以獲得故障特征。該方法也可應(yīng)用于航空發(fā)動機軸間軸承故障診斷。人為的故障，比如在內(nèi)環(huán)和外環(huán)中發(fā)現(xiàn)的故障，會在滾動體的旋轉(zhuǎn)過程中引起周期性的沖擊。這些周期沖擊信號與實際故障產(chǎn)生的周期沖擊信號相似，是診斷故障的有效工具。本研究將三個人為故障的軸間軸承依次安裝到改裝后的航空發(fā)動機上。其中包括一個軸承外圈故障和兩個軸承內(nèi)圈故障。通過線切割產(chǎn)生人為故障，如圖7所示，相關(guān)軸承信息和故障尺寸列于表3。

圖7 (a)外圈故障 (b)內(nèi)圈故障 (c)內(nèi)圈故障

表3 人為故障軸間軸承故障信息

4. 航空發(fā)動機軸間軸承故障數(shù)據(jù)集

試驗進行了5次，得到了軸間軸承3種狀態(tài)的5個數(shù)據(jù)集，并以時間序列的形式存儲。每個數(shù)據(jù)集存儲為三維數(shù)組，如“× × ×”。

原始數(shù)據(jù)是15秒采樣的長時間序列。采樣頻率為25000Hz。原始數(shù)據(jù)被分割和截斷，以便隨后分析成包含20480個數(shù)據(jù)點的短時間序列。剔除無效數(shù)據(jù)后，數(shù)據(jù)集中總共保留2412組數(shù)據(jù)。

對于每個數(shù)據(jù)集，每行對應(yīng)于相同的測試，前兩列存儲位移響應(yīng)，第3到6列存儲加速度響應(yīng)。第7列存儲了該測試的高速和低速信息。

在數(shù)據(jù)集中，用標簽來區(qū)分軸間軸承的狀態(tài)，

標簽“0”表示“健康軸間軸承”，
標簽“1”表示“內(nèi)圈故障軸間軸承”，
標簽“2”表示“外圈故障軸間軸承”。

標簽信息存儲在第8列。數(shù)據(jù)集的示意圖如圖15所示，數(shù)據(jù)集的基本信息如表6所示。

圖15 數(shù)據(jù)集示意圖

表6 數(shù)據(jù)集信息

5. 頻譜分析的基準研究

在軸承故障診斷的研究中，頻譜分析是一種常用的方法。通過分析頻譜上的特征頻率峰值，可以判斷故障是否發(fā)生。對于噪聲成分過多的原始振動信號，可以通過對原始信號進行包絡(luò)變換得到包絡(luò)信號，減少噪聲成分的干擾。為了將本文數(shù)據(jù)集與CWRU和XJTU數(shù)據(jù)集進行比較，以一組軸承內(nèi)圈故障信號為例，這些數(shù)據(jù)集信號信息見表7。三個數(shù)據(jù)集的加速度時域圖如圖16所示，頻譜如圖17所示。

表7 三個數(shù)據(jù)之間的比較信息

圖16 軸承內(nèi)圈故障時域圖 (a)本文數(shù)據(jù)集 (b)CWRU數(shù)據(jù)集 (c)XJTU數(shù)據(jù)集。

圖17 軸承內(nèi)圈故障頻譜圖 (a)本文數(shù)據(jù)集 (b)CWRU數(shù)據(jù)集 (c)XJTU數(shù)據(jù)集

從圖16的加速度時域圖可以看出，本文的振動信號更接近于隨機信號，而CWRU和XJTU的振動信號表現(xiàn)出更明顯的沖擊現(xiàn)象。從圖17所示的頻譜可以看出，頻譜中出現(xiàn)了大量的頻率分量。

在圖17(a)所示的本文數(shù)據(jù)集的頻譜中，主要的頻率成分為頻率

f_{\mathrm{HP}}

及其倍頻

{2 f_{\mathrm{HP}}}

,

{5 f_{\mathrm{HP}}}

等。組合頻率

{2.5 f_{\mathrm{LP}}+2 f_{\mathrm{HP}}}

也對應(yīng)一個頻率峰值。但在頻譜中找不到內(nèi)部故障特征頻率

f_{\mathrm{I}}

，因此很難直接通過頻譜進行故障診斷。

在圖17(b)的CWRU頻譜中，可以找到內(nèi)環(huán)故障特征頻率

f_{\mathrm{I}}

及其倍頻

3f_{\mathrm{I}}

和

4f_{\mathrm{I}}

，在圖17(c)的XJTU頻譜中，可以找到內(nèi)環(huán)故障特征頻率

f_{\mathrm{I}}

及其倍頻

2f_{\mathrm{I}}

、

3f_{\mathrm{I}}

、

4f_{\mathrm{I}}

、

5f_{\mathrm{I}}

和

7f_{\mathrm{I}}

，這些明顯的故障特征可以直接用于故障診斷。

綜上所述，本文無法對數(shù)據(jù)集的頻譜進行分析以進行故障診斷。主要原因是測試點布置在機匣上。因此，故障特征在傳動過程中出現(xiàn)畸變。在傳遞過程中，故障特征信號逐漸變?nèi)酰B接結(jié)構(gòu)之間的碰撞可能產(chǎn)生噪聲，使振動信號的組成更加復(fù)雜。此外，在CWRU和XJTU數(shù)據(jù)集的頻譜中，除了故障特征之外，還有許多其他頻率成分。為減小噪聲信號的干擾，放大沖擊效應(yīng)，經(jīng)包絡(luò)變換得到的包絡(luò)信號如圖18所示，包絡(luò)譜如圖19所示。

圖18 軸承內(nèi)圈故障包絡(luò)信號 (a)本文數(shù)據(jù)集 (b)CWRU數(shù)據(jù)集 (c)XJTU數(shù)據(jù)集

圖19 軸承內(nèi)圈故障包絡(luò)譜 (a)本文數(shù)據(jù)集 (b)CWRU數(shù)據(jù)集 (c)XJTU數(shù)據(jù)集

從圖18的包絡(luò)信號可以看出，圖18(a)的包絡(luò)信號不表現(xiàn)為顯著周期，而CWRU和XJTU數(shù)據(jù)集的信號表現(xiàn)為顯著周期性。在圖19(b)和圖19(c)的CWRU和XJTU數(shù)據(jù)集的包絡(luò)譜中，內(nèi)圈故障特征頻率比頻譜中更明顯。在圖19(a)中本文數(shù)據(jù)集的包絡(luò)譜中，頻率分量較為復(fù)雜，這意味著故障特征在傳遞過程中失真嚴重。包絡(luò)頻譜具有更多的組合頻率分量，特別是與 ${f_{\mathrm{LP}}}$ 和 ${f_{\mathrm{HP}}}$ 相關(guān)的頻率分量。故障頻率在圖19(a)中表現(xiàn)為組合頻率 ${f_{\mathrm{LP}}+f_{\mathrm{HP}}+1.5 f_{\mathrm{I}}}$ 的形式，但包絡(luò)譜中各峰幅值近似，與故障頻率相關(guān)的峰并不是最高的。這意味著包絡(luò)譜難以作為故障診斷的依據(jù)。傳統(tǒng)的故障診斷方法如頻譜分析和包絡(luò)分析無法分離出故障特征。這也表明基于機匣信號的軸間軸承診斷具有挑戰(zhàn)性，本文的數(shù)據(jù)集值得進一步的故障診斷研究。

6. 機器學(xué)習(xí)基準研究

基于本文收集的數(shù)據(jù)集，利用CNN(Convolutional Neural Network)、LSTM( Long Short-Term Memory)和TST(Time Series Transformer)模型進行軸間軸承故障診斷，其對比結(jié)果如表13所示。

表13 基于本文數(shù)據(jù)集的診斷結(jié)果與其它數(shù)據(jù)集的比較

表9的結(jié)果顯示，在CNN、LSTM和TST的對比中，本文數(shù)據(jù)集的診斷準確率低于現(xiàn)有的軸承數(shù)據(jù)集。與本文數(shù)據(jù)集的精度相比，準確率差異最大可達40.40%。這些都意味著本文的數(shù)據(jù)集更接近實際工程，更難以診斷，這對故障診斷方法提出了新的挑戰(zhàn)。

7. 結(jié)論

本研究建立了一個基于航空發(fā)動機的試驗臺，該試驗臺包括電機驅(qū)動系統(tǒng)和潤滑系統(tǒng)。采用人為故障軸承替換軸間軸承的方法，獲得了航空發(fā)動機軸間軸承故障時的振動信號。對不同軸間軸承工況下的試驗數(shù)據(jù)進行整合處理，形成航空發(fā)動機軸間軸承故障試驗數(shù)據(jù)集2412個?；谠摂?shù)據(jù)集，采用頻譜分析、包絡(luò)譜分析、CNN、LSTM和TST等方法進行故障診斷。結(jié)果表明，由于航空發(fā)動機機殼信號的處理難度較大，傳統(tǒng)的故障診斷方法如頻譜分析、包絡(luò)譜分析等無法實現(xiàn)有效的故障診斷，而機器學(xué)習(xí)方法如CNN、LSTM、TST等可以實現(xiàn)相對有效的故障診斷，但其在現(xiàn)有數(shù)據(jù)集上的性能遠遠不如。對故障診斷方法進行進一步的優(yōu)化研究，使其更具通用性。未來的研究可以在此數(shù)據(jù)集的基礎(chǔ)上探索更有效的故障診斷方法，以驗證故障診斷方法的有效性，特別是基于Transformer的改進方法。還可以開展航空發(fā)動機模態(tài)參數(shù)辨識等方面的研究。此外，本研究的實驗是基于電機驅(qū)動的，未來可以進行更接近航空發(fā)動機實際工作狀態(tài)的燃燒驅(qū)動測試。軸承保持架和滾子故障將是對數(shù)據(jù)集的很好的補充。

8. README.md

This is a dataset of inter-shaft bearing based on the vibration signal of rotors and casings, which comes from a aero-engine test with inter-shaft bearing fault.

If using this dataset,please cite the following paper:

Hou, L., Yi, H., Jin, Y., Gui, M., Sui, L., Zhang, J., & Chen, Y. (2023). Inter-shaft Bearing Fault Diagnosis Based on Aero-engine System: A Benchmarking Dataset Study. Journal of Dynamics, Monitoring and Diagnostics. https:///10.37965/jdmd.2023.314

Due to the large size of the dataset file, we uploaded the dataset to Google Drive with the link as: https://drive.google.com/drive/folders/1Km1Go4ilB_bI033SBJ7eJ0uCzbqEqbgt?usp=sharing

本站是提供個人知識管理的網(wǎng)絡(luò)存儲空間，所有內(nèi)容均由用戶發(fā)布，不代表本站觀點。請注意甄別內(nèi)容中的聯(lián)系方式、誘導(dǎo)購買等信息，謹防詐騙。如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容，請點擊一鍵舉報。

电竞比分网-中国电竞赛事及体育赛事平台

航空發(fā)動機軸承數(shù)據(jù)集 | 寫論文再也不用擔(dān)心沒數(shù)據(jù)集啦！