排除波音737-300型飞机机体振动故障

机体振动故障现象基本数据 排除机体振动故障的首要条件是识别故障现象,机体振动故障现象的基本数据如下. (1)频率大于25赫兹的为高频振动,低于20赫兹的为低频振动.高频振动人体一般可以感受到,但振动方向和幅度不易判断,高频振动常与磨损有关,因此,振幅及频率随着时间推移是变化的.低频振动可通过试飞或跟班,感觉和观察振动源进行隔离故障.     

保持架对球轴承高频振动的影响分析

针对球轴承运行中高频振动的现象,考虑轴承各部件的相互作用,建立球轴承六自由度动力学模型.通过改变保持架的结构参数,研究保持架对球轴承高频振动的影响.结果表明,随着球与保持架兜孔间隙的增加,高频振动成分的频率变化不大,但幅值增加明显,保持架与引导套圈间隙对球轴承高频振动影响较小.研究结果为合理设计球与保持架兜孔间隙提供参...     

基于三阶累积量的转子振动信号降噪方法研究

本文根据信号分离理论研究了发动机转子系统振动信号的降噪问题。当转子系统发生轻微碰摩时 ,由于振动信号中含有瞬时突变的微弱高频信息 ,这可能与高频随机噪声的频带互相叠加 ,所以利用传统的滤波方法不能有效地去噪 ,为碰摩故障诊断带来了困难。本文利用基于高阶累积量的盲信号分离方法 ,设计了相应算法 ,成功地从被噪声污染的信号中恢复源振动信号 ,从而可确保碰摩故障的检测和诊断能顺利进行     

基于压缩感知的整体叶盘多模态振动叶尖定时信号重构方法

叶尖定时测量技术是近年来发展的一种非接触式旋转叶片振动监测方法,具有非入侵性的优点,但是该系统测得的振动信号通常是欠采样的。为了能够重构叶尖定时欠采样信号,本文根据压缩感知理论以及叶尖定时采样原理引入了叶尖同步振动信号稀疏模型以及叶尖振动信号重构方法。对整体叶盘有限元模型进行瞬态分析得到叶尖振动信号,使用优化的正交匹配追踪算法以及基追踪对欠采样信号进行重构并和传统方法进行对比。计算结果表明：在信噪比为30dB的噪声环境下,限制频域的正交匹配追踪算法(OMP-RFD)可以准确地识别出叶尖振动信号的主要频率成分。最后使用试验所获得的叶尖振动信号进行重构,验证了OMP-RFD算法有效性。综上可知：压缩感知方法可以很好地应用于叶尖定时测量装置中,能够使用较少传感器识别叶尖同步振动欠采样信号参数,有效提高噪声环境下识别高阶频率的成功率以及准确度。     

转子-支承-机匣系统碰摩试验及特征提取

针对航空发动机转子系统的结构特征和转静件碰摩的动力学特征,建立了转子-支承-机匣系统碰摩模拟试验器.对叶片与机匣间轻微碰摩和严重碰摩两种工况下转子和机匣振动响应进行了试验测量,并基于连续小波变换和连续小波包能量的时-频分析方法分别对转子和机匣的振动信号进行了特征提取.结果表明机匣响应信号同时包含高频冲击信号和低频摩擦信号,轻微碰摩时以碰撞冲击效果为主,机匣响应主要为高频冲击信号;严重碰摩时摩擦效应增强,可为碰摩故障诊断和识别提供方法和依据.      

风扇试验高频振动故障分析

从理论上分析了高频振动对发动机试验的影响与危害,列举了发动机试验中可能产生高频振动的因素。并以三级风扇试验件叶片损伤故障,阐述了高频振动故障的危害及分析识别和处理方法。     

基于Kalman滤波的高频CW电报信号自动识别

针对强噪声背景下高频CW电报信号检测算法性能严重下降、误码率较高的问题,文章提出一种基于卡尔曼滤波的高频CW电报信号同步检测识别算法。利用自同步法对CW电报信号实现位同步,进而利用卡尔曼滤波针对时变干扰噪声设置自适应阈值,对信号能量进行软判决,实现CW电报信号的自适应跟踪检测,提取有效信号进行识别。通过短波信道仿真软件和实际短波通信测试表明,该算法能够在强噪声背景下有效检测识别CW电报信号,且算法可由迭代实现。     

基于WPD-KVI-Hilbert变换相结合的滚动轴承早期故障特征精准识别

为了能够有效地从轴承早期故障激励的高频振动信号中提取出故障特征信息,基于最优小波包基选取方法和峭度值最大筛选原则,提出了一种改进的小波包分解（WPD）、峭度值指标（KVI）与Hilbert变换相结合的滚动轴承早期故障特征识别方法。计算选取最优小波包基,确定分解层数;采用WPD方法对轴承故障振动信号进行分解,获得若干个Node分量;基于峭度值指标最大原则筛选出有效的Node分量进行信号重构;对重构信号进行包络解调分析,提取出故障特征频率对轴承故障进行诊断。采用建立的方法对凯斯西储大学滚珠轴承外圈、内圈故障实验数据和自行开展的滚棒轴承外圈、滚动体故障实验数据进行了分析与诊断。研究结果表明：该方法能够有效提高故障信号高频分辨率、保留周期性冲击成分,并能准确有效提取出滚珠和滚棒轴承故障特征频率的1~7倍频及其与轴转频调制的系列边频带频率,实现对滚动轴承故障特征的精准识别与故障诊断。     

相关系数在参数识别中的应用

 研究“在线”信号相关系数的应用,首先应解决利用“在线”信号相关系数迅速、准确地识别出模态参数。利用“在线”信号应满足以下要求:（1）不使用激振信息;（2）利用的振动信号要尽量短;（3）计算方法简单,满足实时处理要求;（4）抗干扰能力强。根据以上要求,利用振动信号的相关系数是合适的。但是,用这样少的信息识别振动系统的模态参数,其精发不如频率响应函数法高,但对于判断振动系统有无异常变化,其精度是足够的。     

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。