航空发动机整机振动常见故障及其排除措施

航空发动机整机振动故障是发动机工作中较为常见和危害较大的故障.本文列举了整机振动常见故障特征,并总结了相应的排除措施,对发动机制造厂及使用单位的整机振动排故有一定参考作用.     

航空发动机整机振动可视化仿真

航空发动机整机振动可视化仿真技术是整机振动与分析的重要组成部分,通过将计算仿真和实验数据进行动画显示,可以动态地观察到转子系统的振动,转静间隙的变化规律,以及容易产生转静碰摩的部位,从而更加方便地评估发动机振动状态,诊断发动机故障。为了突出整机振动可视化重点,依据有限元梁模型构建二维显示模型,并基于面向对象的方法,建立了航空发动机可视化的部件与整机模型。模型的建立与修改方便容易,同时利用仿真数据驱动动画模型,直观有效地展示了航空发动机整机振动过程。     

航空发动机整机振动控制技术分析

针对高性能航空发动机结构复杂性和高温高转速工况下动力学稳定性问题,提出了航空发动机转子动力学特性设计分析是振动控制技术的牵引,装配工艺控制技术是关键,振动试验测试技术是依赖手段的整机振动控制技术思路。总结了发动机结构动力学计算分析技术、结构装配工艺优化技术、整机振动测试技术以及多年在发动机试验和试车中遇到的振动故障特征分析经验,分析了目前发动机整机振动控制技术存在的问题,提出了未来工作发展的思路     

航空发动机整机振动典型故障分析

为解决航空发动机整机振动问题,根据测试结果描述了航空发动机整机振动的3种典型故障:转子热弯曲引发的振动故障、转静子碰摩引发的振动故障和甩油孔位置不当引发的自激振动故障,说明了振动故障的特征,经分析认为故障发生的原因为甩油孔位置不当引发的自激振动,给出了排除上述故障的措施,经验证,排故效果良好,证明了采用的排故措施有效.     

某型航空发动机整机振动分析

针对某型航空涡扇发动机整机振动过大现象进行测量并应用Matlab语言对该发动机振动信号进行了详细的时域、频域、三维谱阵分析.根据发动机转子各故障的典型特征,认为某型发动机振动异常的主要是因为高、低压转子不平衡和转动件与静止件碰摩造成的.所得出的结论对航空发动机故障诊断有一定的参考价值.     

某型发动机整机振动故障诊断分析

对某型某台份发动机在出厂试车时出现的整机振动大的故障现象,进行了振动特征分析;采取排除法进行分解检查和试车验证,证明该振动是由转子不平衡所致。     

基于灰色理论的航空发动机整机振动状态评价

提出了一种基于灰色关联度的航空发动机整机振动状态评价方法,并介绍了该方法的数学原理及算法.以某型航空发动机整机振动试验数据作为样本,建立了标准特征库.通过计算被评估发动机的状态参数序列与标准状态参数序列之间的灰色关联度,评价发动机实际状态相对标准状态的近似程度,从而实现对航空发动机整机振动状态的评价.结果表明该方法可用于发动机状态定量评价,并具有简单方便,计算量小,可学习,诊断结果可靠等特点.     

某型航空发动机300h持久试车中的整机振动分析

针对某型航空发动机在 30 0h持久试车中所表现的振动特征 ,分析了振动峰产生的机理 ,讨论了蠕变应变、部件热变形及其不同的台架支撑方式对整机振动的影响     

基于支持向量机的航空发动机整机振动故障诊断技术研究

支持向量机是采用结构风险最小化原则代替传统统计学中的基于大样本的经验风险最小化原则的一种新型机器学习方法,由于它出色的学习分类能力和推广能力,广泛地应用于模式识别和函数拟合中。针对某型航空发动机整机振动过大的现象,提出了一种基于支持向量机（SVM）的整机振动故障诊断方法。首先介绍了SVM理论,然后根据SVM学习方法的结构风险最小化原则,对某型航空发动机已知的整机振动故障模式数据进行了训练和预测,并建立了基于SVM的航空发动机整机振动故障诊断模型。最后通过对已有故障模式进行诊断预测,证明该方法在航空发动机整机振动故障诊断方面具有良好效果。     

航空发动机整机振动耦合动力学模型及其验证

针对航空发动机整机振动,建立了一种通用的复杂转子-支承-机匣耦合动力学模型.在模型中,利用有限元方法对转子和机匣系统进行建模.支承系统采用集总参数模型,计入了滚动轴承和挤压油膜阻尼器的非线性,定义了多种支承和连接方式,以适应多转子和多机匣的复杂结构建模.运用数值积分获取系统非线性动力学响应.针对两个实际的航空发动机转子实验器,建立了整机耦合动力学模型,进行了整机模态实验验证,结果表明了航空发动机整机振动耦合动力学建模方法的正确有效性.      

基于灰色关联分析的航空发动机气路部件故障诊断

为了改善对航空发动机气路部件故障诊断能力,提出了一种基于灰色关联分析的两层诊断方法。该方法首先利用粒子群算法优化各蜕化程度下灰色关联加权指数,构建标准故障序列,利用灰色关联分析进行第一层定性诊断,再优选故障模式利用灰色斜率关联分析方法进行二次诊断,得到了气路部件故障诊断结果。仿真表明,改进二次灰色关联分析诊断方法比单层诊断方法结构更简单,计算量小,更适合于较多传感器的发动机诊断系统,比经验灰色关联分析方法诊断精度更高。     

发动机转子系统早期故障特征提取方法

对飞机发动机转子系统早期故障特点进行分析的基础上,提出了利用虚拟仪器和Matlab小波工具箱分析软件对其早期故障进行检测和特征提取的方法.文中对早期故障特征量的选取、有用信号与噪声信号的分离方法、突变信号与奇异信号的特征提取等进行了分析和研究,并以转子早期碰摩和早期不平衡为例进行了实验研究.结果表明,Labview和Matlab小波分析软件相结合,能够快速有效地提取发动机转子系统的早期故障特征,为发动机转子系统早期故障的快速识别提供了一种新途径.     

基于小波分析的航空发动机故障诊断方法研究

小波变换是一种多分辨率的时频分析方法,应用在振动信号处理、故障诊断方面较传统方法优越。在阐述小波分析理论基础上,对某型航空发动机的振动信号进行分析,采用小波分解和信号重构的方法,提取了噪声掩盖下振动信号中的故障信息,根据航空发动机整机振动的典型故障特征频率,判断该发动机是否发生故障。     

航空发动机整机振动中的不平衡-不对中-碰摩耦合故障研究

针对航空发动机整机振动分析,建立了含不平衡-不对中-碰摩耦合故障的转子-滚动轴承-机匣耦合动力学模型.在耦合模型中,考虑了机匣运动,同时,充分考虑了滚动轴承间隙、非线性赫兹接触以及变柔性VC(varying compliance)等非线性因素;在耦合故障中,建立了不平衡、不对中和碰摩故障模型.运用数值积分方法获取了系统响应,研究耦合故障特征和规律.仿真计算分析表明了该模型的正确有效性.      

转子振动故障的小波能谱熵SVM诊断方法

融合小波能谱熵和支持向量机(SVM)的特点,提出了基于小波能谱熵的SVM故障诊断方法.利用转子试验台对转子典型振动故障进行模拟并采集振动数据,提取其振动信号的小波能谱熵作为特征向量,通过样本训练建立了转子在各种典型振动故障状态下的SVM模型和多类分类器,进而实现了对未知转子振动故障的识别.实际应用表明,提出的转子振动故障诊断方法是可行和有效性的.      

航空发动机中介轴承振动故障分析方法

针对中介轴承振动故障信号微弱、较难提取的问题,提出一种基于小波变换的航空发动机中介轴承故障诊断方法:首先对中介轴承故障信号进行小波分解,得到各层细节信号,并对细节信号进行重构;然后对重构信号进行频谱变换,从频谱图上清晰观察出中介轴承的故障特征频率。对真实发动机中介轴承故障信号进行的实例分析表明,本文方法具有较好的降噪能力,较频谱分析更能突出中介轴承的故障特征。     

基于机匣测点信号的航空发动机滚动轴承故障诊断灵敏性分析

研究了基于机匣测点信号进行航空发动机滚动轴承故障诊断的灵敏性问题.首先利用两个带机匣的航空发动机转子试验器进行了冲击响应试验,比较了滚动轴承处冲击激励引起的轴承座测点响应和机匣测点响应的差别;然后利用这两个带机匣的转子试验器进行了滚动轴承故障模拟试验,详细对比分析了轴承座测点信号和机匣测点信号的时域波形、频谱和小波包络谱.结果表明:当滚动轴承和机匣的连接刚度较小时,故障滚动轴承的振动信号传递到机匣上时会产生很大的衰减,然而利用传统的基于小波包变换的包络解调方法仍然可以很好地诊断出外圈故障和内圈故障,对于滚动体故障的诊断效果略差.研究结果对于实际中基于机匣测点信号进行航空发动机滚动轴承故障诊断提供了试验依据.      

航空发动机传感器故障诊断方法研究

介绍航空发动机试验过程中,常见的传感器卡死、传感器恒增益变化和传感器恒偏差失效等故障,以及当传感器数据出现异常时,对传感器进行故障诊断的理论方法。对传感器故障诊断有待解决的问题和发展方向做了一定探讨。     

基于变权重最小二乘法的发动机气路故障诊断

针对航空发动机气路部件故障诊断中存在的严重故障诊断问题,提出基于变权重最小二乘法进行发动机故障诊断.该方法在发动机仿真实验的基础上采用加权最小二乘法进行故障诊断,并对算法进行了改进,根据初期诊断结果对故障权重系数矩阵进行修正,使诊断结果更加合理可信.仿真表明,基于变权重最小二乘法的发动机气路故障诊断能快捷有效地诊断气路部件严重故障.      

A multi-rate sensor fusion approach using information filters for estimating aero-engine performance degradation

Gas-path performance estimation plays an important role in aero-engine health management, and Kalman Filter(KF) is a well-known technique to estimate performance degradation. In previous studies, it is assumed that different kinds of sensors are with the same sampling rate, and they are used for state estimation by the KF simultaneously. However, it is hard to achieve state estimation using various kinds of sensor measurements at the same sampling rate due to a complex network and physical characteristic differences between sensors, especially in an advanced multisensor architecture. For this purpose, a multi-rate sensor fusion using the information filtering approach is proposed based on the square-root cubature rule, which is called Multi-rate Squareroot Cubature Information Filter(MSCIF) to track engine performance degradation. Soft measurement synchronization of the MSCIF is designed to provide a sensor fusion condition for multiple sampling rates of measurement, and a fault sensor is isolated by maximum likelihood validation before state estimation. The contribution of this paper is to supply a novel multi-rate informationfilter approach for sensor fault tolerant health estimation of an aero-engine in a multi-sensor system. Tests are conducted for aero-engine performance degradation estimation with multiple sampling rates of sensor measurement on both digital simulation and semi-physical experiment.Experimental results illustrate the superiority of the proposed algorithm in terms of degradation estimation accuracy and robustness to sensor failure in a multi-sensor system.