项目负责人: 冯志鹏
核心人数: 其中博士:1人
D类
研发团队
航空航天、能源、国防等领域的重要装备对运行安全、可靠性要求严苛。如何准确识别装备的动力学特性、评估关键易损零部件的健康状态,是保障服役安全、避免意外事故的关键技术。然而,该技术的难点之一在于,当装备在非平稳工况下运行(如速度、负荷随时间变化)时,所采集的信号特征具有非平稳特点。传统的特征提取技术如时域指标分析、频谱及包络谱分析等均基于平稳性假设,不再满足非平稳特征提取要求。而现有的非平稳信号分析方法存在关键理论瓶颈,无法实现高分辨率特征提取。本成果基于原创的自适应迭代广义解调分析理论,能够有效识别并表达非平稳特征,可用于复杂装备的监测诊断等领域。
获 2020 年教育部自然科学二等奖
理想时频分辨率、微弱特征自动识别。
航空航天领域中,关键结构及搭载设备受到负载力学环境激励,亟需高精度的非平稳信号特征辨识技术,以指导结构设计和可靠性评估。风力发电领域中,为避免计划外停机并减少人工拆装维护成本,亟需高精度故障特征提取技术,以远程诊断风电传动系统异常,指导开展主动性维护。
航空航天领域中,通过有效准确的特征提取,能够揭示潜在的安全隐患,避免因结构安全问题对航天发射任务造成影响;能源电力领域,尽早地诊断、定位故障,能够避免计划外停机,指导相关维修与备件管理,为相关企业大大降低运行维护成本。
无政策风险