Analysis of vibration signals of micro-size aircraft engines based on joint time-frequency method

Cover Page

Cite item

Full Text

Abstract

As the current analysis technology for vibration signals cannot be a comprehensive study of the signal, which leads to the signal analysis not meeting the requirements of practical application, to more in-depth analysis of small engine vibration signals, the project team adopts time-frequency analysis technology to carry out specific work. By using LABVIEW2022 software programming, the application program based on the joint time-frequency method is realized to study the vibration signal of a small engine and determine the running state of the engine according to the corresponding results, to determine whether the engine performance is good. By using the STFT method, Gabor transform method, Wigner distribution method, CSD method, adaptive spectrum method, CWD method, MIF method, and MIB method, the corresponding programs are successfully used to realize the joint time-frequency analysis of such signals. The time-frequency analysis method mentioned above can achieve the expected effect.

About the authors

Mai Xin

School of Energy and Power, Nanjing University of Aeronautics and Astronautics

Author for correspondence.
Email: xinmai_xm@nuaa.edu.cn

Candidate of Science, Senior Engineer, Postgraduate Student

China, NanJing, 210016, China

Hui Qin

Suzhou Research Institute of Harbin Institute of Technology

Email: qinhuihui_hqq@163.com

Ph.D., Senior Engineer, Researcher

China, Suzhou, 215000, China

Zhifeng Ye

School of Energy and Power, Nanjing University of Aeronautics and Astronautics

Email: yezhifen_yzf@nuaa.edu.cn

Ph.D., Professor, Director

China, NanJing, 210016, China

Lingyan Wang

AVIC Leihua Electronic Technology Research Institute

Email: wanglingyan_wlly@163.com

Master's Degree, Senior Engineer, Researcher

China, Wuxi, 214000, China

References

  1. ZHAO Chendi, QIN Yi, CHEN Xiaoyang. Application research on electronic ignition system of aviation piston engine. Journal of Civil Aviation,2023,7(05):120-123.
  2. AN Xue, LI Shaobo, ZHANG Yizong et al. A review on the research of fault diagnosis technology of UAV flight control system. Computer Engineering and Application,1-14.
  3. Lai Kui, Dai Xiongjie, Pan Songbo et al. Research on fault diagnosis of distribution terminal acquisition module based on STFT and CNN- Attention. Automation Instrumentation, 2023, 44(09): 37-41+48.
  4. WANG Juanjuan, SONG Sanhua, DU Yunming. Simulation of LBFI recognition considering Gabor wavelet features. Computer Simulation,2023,40(09):237-241.
  5. Gao Xing. Research on cable fault localization based on wavelet transform and VMD-WVD. Anhui University of Science and Technology,2022.
  6. Zhang Pengqi. Numerical simulation of descending film in a vertical circular tube under a conical distributor. Taiyuan University of Technology,2019.
  7. Gao Gaoqiang, Zheng Kinde, Pan Haiyang et al. A rolling bearing fault diagnosis method based on adaptive denoising empirical wavelet transform. Bearing,1-8.
  8. Zhichao Z .Variance-SNR Based Noise Suppression onLinear Canonical Choi-Williams Distribution of LFM Signals. Chinese Journal of Electronics, 2022, 31(05): 804-820.
  9. V. A M ,G. O M ,A. A I , et al. A Simple Radiophotonic Device for Instantaneous Frequency Measurement of Multiple Microwave Signals Based on a Symmetrical Unequal Comb Generator. Instruments and Experimental Techniques,2023,66(5):737-744.
  10. Zheng L ,Jian Z ,Xue L , et al. Instantaneous Bandwidth Enhancement for Variable Inclination Continuous Transverse Stub Antenna. International Journal of Antennas and Propagation,2022,2022.
  11. Daniel G ,P C F ,Shuai L , et al. Task-specific efficient channel selection and bias management for Gabor function channelized Hotelling observer model for the assessment of x-ray angiography system performance. Medical physics,2021,48(7):3638-3653.
  12. Zhixing J, Chaoxun G, David Z. Pressure wrist pulse signal analysis by sparse decomposition using improved Gabor function. Computer Methods and Programs in Biomedicine,2022,219106766-106766.
  13. Ünal L, Pakfiliz G A. LPI Radar Signal Detection Based on Autocorrelation Function and Wigner-Ville Distribution. Review of Computer Engineering Studies,2022,9(4).
  14. Hasan R, Ishtiaq A , M. N K , et al. Validation of Parallel Distributed Adaptive Signal Processing (PDASP) Framework through Processing-Inefficient Low-Cost Platforms.Mathematics,2022,10(23):4600-4600.
  15. Zhao DL, Guo CF, Wu DL et al. Construction of optimal remote sensing feature index set under the combination of CSD and CDD and its application in wetland information extraction. Journal of Earth Information Science,2021,23(06):1092-1105.
  16. LIU Qi, JING Shuangxi, LEN Junfa et al. Low-frequency fault feature extraction of gearbox based on MODWPT and Choi-Williams distribution. Mechanical Design and Research,2020,36(05).
  17. LIU Wen, JIANG Shuxia, WANG Tianpeng et al. Identification of structural instantaneous frequencies by variational modal decomposition and wavelet contour method. Noise and Vibration Control,2023,43(05):167-174+226.
  18. Liu Zheng. Study on Instantaneous Bandwidth Expansion of Variable Inclination Continuous Sectional Section Array Antenna. Strategic Support Forces Information Engineering University,2023.

Supplementary files

Supplementary Files
Action
1. JATS XML

Note

Статья опубликована в авторской редакции


Copyright (c) 2025 Xin M., Qin H., Ye Z., Wang L.

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».