航空发动机滚动轴承-双转子系统动态特性分析

在滚动轴承动力学和转子动力学分析基础上,建立了含滚动轴承动力学与转子动力学耦合以及高、低压转子间耦合的滚动轴承-双转子系统动力学方程,采用精细积分法和预估-校正Adams-Bashforth-Moulton多步法相结合的算法,对航空发动机滚动轴承-双转子系统非线性动力学方程进行求解,并对滚动轴承结构参数与转子动态特性的关系进行了理论分析.分析结果表明:①中介轴承径向游隙较小时转子系统振动量较小且转子运行较平稳,但中介轴承保持架打滑率会有所提高,应合理选取中介轴承的径向游隙值;中介轴承滚子数量对转子运转稳定性有较大影响,减小中介轴承滚子数量可降低保持架打滑率,但转子系统的振动量会增大;②支承轴承内、外沟曲率半径系数及径向游隙较小时转子系统的振动量较小,转子运转较稳定;支承轴承滚动体数量对转子运转稳定性有较大影响,滚动体数量增多有利于转子系统运行的平稳性.      

基于线调频小波路径追踪阶比循环平稳解调的滚动轴承故障诊断

针对变转速工况下滚动轴承的故障诊断问题,提出一种将线调频小波路径追踪算法与阶比循环平稳解调方法相结合的滚动轴承故障诊断方法.该方法先利用线调频小波路径追踪算法提取轴承的故障特征频率,再根据轴承的故障特征频率对变转速下时域振动信号的包络在角域等角度重采样,并对获取的角域平稳信号进行循环平稳解调,计算得到切片解调谱;最后根据切片解调谱识别滚动轴承故障.仿真分析和应用实例表明:该方法能准确提取变转速工况下滚动轴承的外圈与内圈故障故障特征,提取效果明显优于基于Wigner-Ville峰值跟踪法的包络阶次谱方法.      

基于VMD-CWT和改进CNN的直升机轴承故障诊断

由于直升机自动倾斜器滚动轴承振动信号具有非平稳、非线性特点,并夹杂非敏感故障特征信息,导致网络模型对周期信号过于敏感,不能充分利用故障信息的问题;针对此问题,提出一种变分模态分解(VMD)与连续小波变换(CWT)联合提取敏感故障特征的方法。研究表明:在相同模型训练下,该方法相对其他方法最高可提升模型准确率20.8%。为了解决卷积神经网络(CNN)进一步提高故障识别精度难的问题,提出一种基于K最近邻(KNN)改进的CNN的模型,在课题组和西储大学公开轴承数据集验证,测试精度达到99.8%和100%,可有效实现直升机自动倾斜器滚动轴承的故障诊断。     

滚动轴承加工质量与振动的灰色关联度

已经证明零件的加工质量对轴承振动会产生一定的影响,但现有的研究没有比较各种质量指标对轴承振动的影响程度。为此,通过实验研究,比较并评价不同性质的加工质量指标对轴承振动的影响程度。在研究中,采用两种航空轴承。考虑到统计理论的适用条件,采用了灰色系统理论。研究结果表明:结构尺寸误差参数对轴承振动的影响比较大,宏观形状误差参数和微观形貌参数对轴承振动的影响比较小。这表示轴承的宏观形状误差和微观形貌误差已经达到比较高的质量水平,以至于对轴承振动的影响不再成为主要因素,而轴承的结构尺寸参数及其公差存在着设计方法上的一些问题,从而成为影响轴承振动的主要因素。     

滚动轴承故障诊断的自适应共振解调技术

针对共振解调技术在实际使用中存在必须事先通过冲击试验确定高频共振频率和带通滤波器的中心频率固定不变的缺点,提出了自适应共振解调技术。自适应共振解调技术可以在共振解调处理之前依靠对振动信号的频谱分析自动识别高频共振频率,然后根据被测对象的高频共振频率自适应地改变带通滤波器的中心频率。并研究了自适应共振解调技术的实现方法,并对实际轴承振动信号进行了自适应共振解调分析。研究结果表明,该技术可方便地在工程中应用。      

滚动轴承的几何常数和故障特征倍频的估计方法

提出了几何常数的概念.通过对轴承几何关系的分析和对1274个型号的轴承参数的统计发现,同系列轴承的几何常数小范围波动,近似为常数,不同系列却有较大差异.确定了7个基本类型的滚动轴承共45个系列的几何常数.建立了基于几何常数、滚动体个数和轴承系列的滚动轴承局部内环、外环故障特征倍频的估计方法.只需已知轴承类型和滚动体个数,就可得到相应的特征倍频,为滚动轴承故障诊断提供了有效的途径.      

基于乏信息系统的本征融合技术

提出基于乏信息系统的本征融合技术以模拟小样本条件下的未知分布.采用隶属函数法、最大隶属度法、自助法、灰自助法、算术平均值法和最大熵法等多种数学思想,从不同侧面分析各个个体的特征信息并进行融合,推断出总体的概率分布.滚动轴承噪声的试验研究表明,本征融合技术可以有效地模拟乏信息系统的概率分布.      

基于EMD的发动机轴承振动冲击故障特征提取

采用经验模式分解方法(EMD),研究了发动机轴承的非平稳振动信号故障特征提取问题.计算机仿真结果证实了该方法的有效性;采用该方法提取了滚动轴承故障振动信号冲击特征,结果表明应用该方法能够准确、有效地获得轴承的冲击损伤特征,并且,经进一步分析,可确定冲击损伤故障失效模式.     

基于深度残差收缩网络的滚动轴承故障诊断

滚动轴承的准确故障诊断是确保机械设备安全可靠运行的必要手段。针对多故障、长时间序列的滚动轴承振动信号,提出了一种基于深度残差收缩网络(DRSN)模型的故障诊断方法。首先,根据采集到的滚动轴承数据构造故障样本,针对多种故障类型下的长时间序列的振动信号,按照一定尺寸将长时间序列矩阵化,构成多故障类型的灰度图故障样本。从正常到故障的滚动轴承性能退化过程,通过多个采样点的随机采样,构造全寿命周期的故障样本用于故障诊断。其次,在多层深度学习模型基础上,将残差收缩网络模块加入到卷积神经网络(CNN)中构建深度残差收缩网络模型用于故障诊断,其中通过将残差项加入到网络中训练解决了多层网络模型的模型退化问题,利用软阈值化实现了样本降噪。最后,为了验证所提方法的有效性,采集了滚动轴承的多故障时间序列样本和全寿命周期故障样本用于故障诊断。实例验证的结果表明:所提深度残差收缩网络模型在处理含噪声样本时仍具有良好的鲁棒性,多层网络模型下没有明显的网络退化,能够保持较高的故障诊断正确率。在处理2种轴承故障数据集时,与其他模型相比,所提方法训练误差更低,平均故障诊断正确率提高1%~6%。      

KIRD 234021-YA型滚子修型不同凸度值对滚动轴承接触应力的影响

为了研究滚子修型不同凸度值对滚动轴承接触应力的影响,以KIRD234021-YA型滚动轴承为研究对象,建立滚子直线修型及滚子全凸修型两种有限元模模型,运用Nastran软件对滚子直线修型模型和滚子全凸修型不同凸度值模型进行力学性能分析,获得内圈滚道应力云图.结果表明,滚子直线修型时,内圈滚道最大接触应力为6729 MP...