基于声发射波束形成法的转静子碰摩故障定位

提出了一种利用声发射信号进行旋转机械转静子碰摩故障定位的方法.首先利用板波理论进行声发射信号传播特性研究,证明波束形成法在声发射信号处理中的可行性,并建立近场声发射波束形成法;之后,在旋转机械碰摩故障模拟实验台的机匣上进行断铅实验,利用近场声发射波束形成法进行定位测试,验证所提出方法的有效性;最后,将提出的方法用于转静子碰摩故障的定位,并成功地识别出碰摩故障的位置.      

航空发动机碰摩故障识别可视化技术

通过将计算机图形可视化技术引入碰摩故障识别,进行航空发动机碰摩故障识别技术研究。对航空发动机转子叶片和机匣等关键部件进行可视化建模,根据转子和机匣的振动位移,进行转静碰摩部位检测,对碰摩时产生的火花进行模拟,以直观展现碰摩故障。利用有限元碰摩故障仿真实验,进行航空发动机转静碰摩故障识别和模拟验证,结果表明了方法可以有效地识别出碰摩故障,并直观地显示出碰摩效果。     

周期性碰摩激励作用下薄壁机匣支撑系统响应机理

针对发动机薄壁机匣支撑系统在碰摩激励作用下动力学响应复杂,基于机匣振动信号的碰摩故障特征识别难度大的问题,提出了一种用于故障特征机理分析的数值仿真方法.通过建立薄壁机匣系统的等效动力学三维实体模型,将碰摩激励进行等效力学简化,利用瞬态动力学方法对周期性碰摩故障进行了数值仿真.在系统固有特性分析的基础上,对机匣测点在碰摩...     

转子—机匣系统碰摩故障特征试验研究

以转子-机匣模型试验器为对象,试验模拟航空发动机试车过程中所遇到的典型碰摩故障现象,研究分析其碰摩类型及相应的振动特性,总结并建立包括转子、支承、机匣共同影响在内的旋转机械转、静件碰摩故障特征谱。     

新型叶片-机匣碰摩模型及其验证

针对航空发动机叶片-机匣碰摩故障,提出了一种新型叶片-机匣碰摩模型,该模型在传统弹性碰摩模型的基础上,考虑了叶片数和转静间隙变化对碰摩力的影响,能够模拟机匣单点、多点、局部及全周,转子的单点、多点、局部和全周的碰摩规律.将所提出的碰摩模型运用于转子-支承-机匣耦合动力学模型中,利用数值积分获取碰摩故障下的机匣加速度响应规律.利用带机匣的航空发动机转子实验器,进行了叶片-机匣的机匣单点-转子全周的碰摩实验,发现了机匣振动加速度信号的碰摩特征具有明显的周期冲击特征,其冲击频率为叶片通过机匣的频率,在数值上等于旋转频率与叶片数的乘积,在频谱高频段出现了叶片通过频率及其倍频,冲击的大小受旋转频率调制,倒频谱具有旋转频率及其倍频的倒频率成分,仿真和实验取得了很好的一致性,验证了所提出的叶片-机匣碰摩新模型的正确有效性.最后,在此基础上,仿真计算了多种碰摩模式下的机匣振动特征和规律.      

碰摩故障模拟试验器设计

为开展航空发动机整机振动抑制技术研究与验证,在避免反复分解装配的情况下,准确分析振动故障产生的原因和机 理,设计了碰摩故障模拟试验器。对试验器结构进行了详细设计,对关键部件进行了强度校核,并描述了具体试验步骤。通过安 装在对开机匣上的径向、轴向自动进给碰摩模块及自动横向位移模块模拟发动机在高速运转情况下出现的转静子碰摩故障;通过 更换径向、轴向碰摩块模拟发动机的各种典型碰摩故障以及不同材料之间的碰摩工况。利用振动传感器检测转轴振动响应信号, 利用测试分析系统分析响应信号,研究碰摩进给量、碰摩结构、碰摩材料、碰摩位置与振动特性的关系,归纳出碰摩故障典型特征 和识别方法。     

基于滞回碰摩力模型的转子系统碰摩响应研究

转/静子碰摩是影响旋转机械的稳定性与安全性的重要因素之一,而碰摩力的表征则是预测转子系统动力学响应的关键问题。讨论了已有转/静子碰摩力模型的适用范围,重点阐述滞回碰摩力模型的物理意义,并与几种经典的碰摩力模型进行比较;以Jeffcott转子作为典型例子,基于滞回碰摩力模型给出系统的碰摩响应,并与采用线性碰摩力模型所得到的碰摩响应进行比较;利用数值仿真的结果分析静子刚度、转子偏心距等因素对采用滞回碰摩力模型的转子碰摩响应的影响。数值仿真的结果表明:采用滞回碰摩力模型得出的失稳速度(1226 rad/s)低于采用线性碰摩力模型得出的失稳速度(1476 rad/s),且系统的动力学特性更为复杂,因此,可以更真实地反应碰摩的物理实质。     

滚动轴承支承下的转子碰摩故障动力分析、特征提取与智能诊断

针对滚动轴承支承下的转子碰摩故障诊断问题,考虑滚动轴承非线性赫兹接触和轴承径向间隙,建立了含不平衡-碰摩耦合故障的转子-滚动轴承系统动力学模型.应用三维谱图分析碰摩诊断依据和确定频段特征,利用仿真数据获取结构最优的神经网络模型,并对试验碰摩故障数据进行诊断,识别率高达90%以上.计算结果充分表明了建立的动力学模型的有效性,同时,研究结果为有效结合故障机理分析与故障智能诊断提供了新的方法.      

转子-滚动轴承-机匣耦合系统的不平衡-碰摩耦合故障非线性动力学响应分析

建立了含转子不平衡-碰摩耦合故障的转子-滚动轴承-机匣耦合动力学模型.在模型中,充分考虑了转子系统的不平衡和碰摩故障的耦合.对滚动轴承模型,充分考虑了轴承间隙、滚珠与滚道的非线性赫兹接触以及由滚动轴承支撑刚度变化而产生的VC(Varying compliance)振动.运用数值积分方法获取了系统响应,研究了系统的分叉与混沌运动,分析了旋转速度、碰摩刚度、转子偏心量,轴承座-机匣刚度以及机匣-基础刚度对系统响应的影响,得到了在转子不平衡和碰摩故障耦合下的转子-滚动轴承-机匣耦合系统动力响应规律.      

具有转静件碰摩故障双转子系统的动力学模型及其小波变换特征

本文利用拉格朗日方程建立了具有碰摩故障的某型双转子航空发动机转子系统的动力学方程, 通过数值计算对该故障进行了仿真, 并对仿真结果进行了频谱分析和小波变换, 得出本文建立的双转子系统的动力学模型是正确的、利用小波变换对转静件碰摩故障进行诊断是非常有效的。      

基于模糊数学形态学及免疫智能的旋转机械状态参数图形识别方法

以旋转机械振动多维图形为对象,研究了直接提取和挖掘图形特征信息的模糊形态学方法,提出了基于模糊数学形态学及免疫智能的旋转机械振动参数图形识别方法。利用模糊形态滤波方法实现图形滤波,研究了模糊形态边缘检测算子,并结合旋转机械振动参数图形进行形态学梯度的边缘纹理特征提取,最后利用人工免疫算法对图形特征进行诊断识别。在600MW模化汽轮机转子试验台上进行了转子正常、转子不平衡故障、转子不对中故障及汽流激振故障的试验,诊断结果表明本文所提出的方法可以获得较高的诊断精度,为旋转机械故障诊断探索了一条新路。     

旋转机械状态参数图形识别的免疫-模糊形态学方法

以旋转机械振动多维图形为对象,研究了直接提取和挖掘图形特征信息的模糊形态学方法,提出了基于模糊数学形态学及免疫智能的旋转机械振动参数图形识别方法.利用模糊形态滤波方法实现图形滤波,研究了模糊形态边缘检测算子,并结合旋转机械振动参数图形进行形态学梯度的边缘纹理特征提取,最后利用人工免疫算法对图形特征进行诊断识别.在600MW模化汽轮机转子试验台上进行了转子正常、转子不平衡故障、转子不对中故障及汽流激振故障的试验,诊断结果表明所提出的方法可以获得较高的诊断精度.      

旋转叶片-机匣碰摩模型及试验研究综述

结合接触和冲击动力学理论,对旋转叶片-机匣碰摩模型的发展给出了比较全面的综述,重点探讨并对比了多种叶片-机匣碰摩模型,将叶片-机匣碰摩模型分为5类:基于碰撞能量守恒的法向碰摩模型,熔化黏着碰摩模型和可磨耗刮除碰摩模型,连续弹性碰摩模型,脉冲力局部碰摩模型,基于接触动力学的碰摩模型.指出了这5类模型的优缺点及其适用范围,并对目前已开展的叶片-机匣碰摩试验进行了介绍.最后建议了叶片-机匣碰摩模型的发展方向:建立多参数影响的精细法向和切向碰摩模型,通过接触动力学理论来模拟碰撞过程,基于试验数据来修正现有碰摩模型.      

转子碰摩振动响应的非线性时间序列分析

针对碰摩转子系统的非线性特性 ,采用动力学非线性时间序列分析的方法对其振动响应进行了分析研究。基于动力学重构的基本理论 ,对碰摩转子响应进行了状态空间重构。在此基础上 ,进一步对碰摩转子系统振动响应进行了相关维数的估计 ,不同的相关维数值表明了系统是处于周期或拟周期运动 ,还是处于含有拟周期的混沌运动 ,或者是明显的混沌运动。系统碰摩严重时的相关维数值会比碰摩较轻时的相关维数值大 ,进一步对实验数据的计算结果也证实了这一点。     

旋转机械振动故障诊断的灰度-梯度共生矩阵方法

研究了基于灰度-梯度共生矩阵的旋转机械故障诊断方法,利用灰度-梯度共生矩阵直接提取旋转机械振动参数图形中的特征信息,应用人工免疫系统实现旋转机械故障诊断.实验验证该方法可以获得较高的诊断精度,证明了该方法的可行性.      

Rotating machinery fault diagnosis based on convolutional neural network and infrared thermal imaging

Rotating machinery is widely applied in industrial applications. Fault diagnosis of rotating machinery is vital in manufacturing system, which can prevent catastrophic failure and reduce financial losses. Recently, Deep Learning (DL)-based fault diagnosis method becomes a hot topic. Convolutional Neural Network (CNN) is an effective DL method to extract the features of raw data automatically. This paper develops a fault diagnosis method using CNN for InfRared Thermal (IRT) image. First, IRT technique is utilized to capture the IRT images of rotating machinery. Second, the CNN is applied to extract fault features from the IRT images. In the end, the obtained features are fed into the Softmax Regression (SR) classifier for fault pattern identification. The effectiveness of the proposed method is validated using two different experimental data. Results show that the proposed method has a superior performance in identification various faults on rotor and bearings comparing with other deep learning models and traditional vibration-based method.