双转子系统轴承座松动的动力学模型及故障特性

针对双转子系统轴承座松动故障,基于实验台双转子结构,考虑松动轴承座的3自由度平面刚体运动,引入碰撞恢复系数,建立双转子系统轴承座松动的动力学模型.基于Timoshenko梁单元,利用有限元和刚体运动学方法,采用Newmark-β算法进行数值仿真,对轴承座松动故障时内、外转子运动的动力学特性进行了研究.同时,进行了两种不同转速组合下双转子系统的松动实验,结果基本相同.将仿真结果与实验结果对比分析,结果表明:轴承座松动故障时,松动转子振动位移波形有“削波”现象,内、外转子振动位移频谱不但含有两转子基频的差频与和频,还包含支承松动转子的2倍频,3倍频等分量;低频段谱线较多,含有分频成分等;转子位移频谱中还含有较少的组合频率成分等.轴承座单侧松动时,松动转子的轴心轨迹呈拉伸的类椭圆状.     

基于样条曲线的压气机特性内插算法研究

针对压气机特性曲线中未知转速数据难以精确计算问题,提出了基于样条曲线的内插算法。在分析压气机性能曲线特点基础上,通过制作压比/效率-流量、流量-转速2组辅助线,并使用样条曲线对其进行拟合,基于拟合结果计算测试转速下的特性数据,进而完成了对某型压气机压比/效率特性的内插计算。结果表明:基于样条曲线的内插算法比RBF神经网络算法准确性更高,并具有良好的工程应用价值。     

模糊自组织神经网络在航空发动机故障诊断中的应用

介绍了模糊自组织神经网络在航空发动机故障诊断中的应用方法,并通过实例验证了该方法在发动机故障分类中的实用性。该方法具有结构算法简单、无监督自学习和侧向联想等功能。它有很好的应用前景,可以广泛应用于发动机的故障诊断。      

基于模型的双转子-支撑系统快速故障识别方法

建立了双转子-支撑系统的有限元模型,模拟了质量不平衡故障和局部轴弯曲故障下的振动信号.根据有限元模型,提出了基于模型的双转子-支撑系统故障识别方法,依次通过单一故障遍历、双故障遍历和三故障遍历方法,实现了故障快速准确识别.仿真结果表明:该方法能够准确识别单一故障和多故障,同时确定故障发生的位置、严重程度和相位情况,优化了故障识别过程,理想情况下减少了98.9%的计算量,加快了故障识别的速度.此外,比较了添加了不同信噪比噪音信号的诊断结果,诊断结果相对误差控制在1%左右,表明该方法具有良好的抗噪声干扰的能力.