常开空心轴裂纹转子系统的动力学特性

研究了常开空心轴裂纹转子系统的动力学特性.考虑裂纹单元截面中性轴的时变特性,推导了裂纹转子的刚度矩阵,考虑重力及不平衡激励,采用有限元法建立了常开空心轴裂纹转子系统的动力学方程.采用谐波平衡法对方程进行求解,给出了不同裂纹深度下的三维幅频图,表明在临界转速和亚临界转速处均有峰值出现;分析了裂纹深度、裂纹位置对该系统的临界转速的影响,表明位于跨中靠近惯性量较大圆盘的深裂纹对常开空心轴裂纹转子系统的影响大,临界转速下降快;计算了该系统在亚临界转速时的非线性振动响应,结果表明:亚临界转速下常开空心轴裂纹转子系统会发生超谐共振现象.所提出的空心轴裂纹的建模方法为航空发动机转子系统裂纹故障的非线性动力学分析提供了理论指导.      

基于时频脊线和阶次分析的转子故障诊断

为解决采用在转子升降速过程中产生的非平稳信号难以进行故障诊断的问题,提出一种基于2维时频脊线和阶次分析的转子故障诊断方法。采集转子升降速信号,采用2维时频分布的峰值脊线提取法获得信号脊线特征,结合脊线特征与等角度重采样技术依次获得信号角度域、角-阶域和阶次域图像,将信号阶次域内的特征参数作为故障敏感特征,输入人工神经网络诊断模型,对转子信号的故障类型进行分类。利用实测信号验证所提方法的实际应用效果,并与传统特征提取法的结果进行对比。结果表明：阶次分析方法的测试准确率约为99.8%,标准差小于0.09%,均优于传统特征提取法。基于时频脊线和阶次分析的转子故障诊断方法具有更高的诊断准确率,在非平稳信号特征提取过程中具有很好的可行性和准确性。     

基于对传过程神经网络的航空发动机转子仿真故障诊断研究

为更好地解决动态模式识别及故障诊断问题,将过程神经元引入传统对传神经网络的竞争层,提出一种对传过程神经网络模型。并将所提出的网络模型及其学习算法用于航空发动机转子仿真故障诊断中,并得到了满意的结果。     

基于融合信息(火用)的转子振动故障SVM诊断方法

通过提取信息(火用)特征,提出基于融合信息(火用)的转子振动故障支持向量机（SVM）诊断方法.首先,在转子试验台上分别模拟转子不平衡、轴系不对中、转子裂纹和转子碰磨4种典型故障,采集这4种典型故障在多转速和多测点下的振动加速度信号;其次,提取基于时域的奇异谱熵和频域的功率谱熵的转子振动故障过程变化规律的信息(火用)特征;最后,将提取到的信息(火用)特征作为故障向量,建立SVM故障诊断模型,进而对转子振动故障进行诊断.实例诊断结果表明：将信息(火用)特征与支持向量机相结合进行转子振动故障诊断,诊断结果准确率达到了97%,有效地提高了故障诊断的准确率.     

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.      

基于小波神经网络的齿轮系统故障诊断

通过对齿轮系统在不同的运转状态下不同的故障类型进行试验测试分析,获取了有关的测试信号,对振动特征信号进行了小波阈值去噪,采用离散小波变换(DWT)对去噪后的信号进行8层分解处理,对各层的小波系数进行了小波重构,得到8层细节信号和1层近似信号,并计算了各层信号的能量,得到了信号的能量分布特征.在此基础上把各层信号特征作为神经网络的输入,进行了网络的研究、分析处理和故障分类,并对小波神经网络方法与单独采用神经网络方法的故障诊断结果进行了比较评价.研究表明,去噪处理后的效果比没有去噪的信号特征更加明显,而采用小波神经网络诊断方法,对于齿轮无故障、齿根裂纹故障、分度圆裂纹故障和齿面磨损故障能够进行很好地区分与诊断,其诊断成功率均在95%以上,可对实际工程工作的齿轮系统进行故障诊断.      

轴承配置对转子轴系振动特性的影响

以三支承转子轴系为研究对象,采用有交互作用的正交试验法,分析轴承位置对转子轴系振动特性的影响,找出轴承位置的优选组合及对振动影响的主次顺序。将简化的转子轴系模型导入ANSYS Workbench中,分别对不同轴承位置下系统临界转速附近振动情况进行仿真分析,以前3阶中正涡动状态下的最小振动变形量为目标参数,得出了轴承位置变化同目标参数之间的关系。结果表明:轴承Ⅰ×Ⅱ的交互作用会对轴系的振动特性产生较大影响,轴承Ⅰ的位置对轴系的振动特性的影响最大,轴承Ⅲ的位置对轴系的振动特性影响相对较小。      

基于小波变换的容差电路故障诊断

针对目前模拟电路中电子元器件存在的容差与非线性导致电路故障难以检测的现状,设计了适用于诊断由器件超出容差所引起的模拟电路故障的小波分析诊断方法。通过设定故障进行蒙特卡罗容差实验,采用小波神经网络,对故障输出信号进行小波分析提取其小波高频系数参量,经PCA分析和归一化后形成训练特征向量,并经过BP神经网络训练后,故障信号通过小波神经网络后能够快速精准的对故障器件进行定位。通过大量样本进行仿真计算表明所设计的小波特征参量故障诊断法对于模拟电路具有很好的故障分辨率。     

用机体振动诊断直升机旋翼复合不平衡故障研究

 在用机体振动诊断旋翼单一不平衡故障研究基础上,提出了仅借助机体振动信号诊断旋翼复合不平衡故障的新方法。证明了从旋翼复合不平衡故障空间到多点机体振动空间存在一对一映射关系。利用3个BP神经网络诊断故障类别和程度,利用机体振动一阶谐波分量的初相角确定失衡桨叶方位。模型旋翼实验结果表明,该方法可行、有效。     

直升机旋翼桨毂轴颈疲劳裂纹探讨

本文就国内外铰接式金属旋翼桨(?)轴颈因疲劳裂纹、断裂导致的严重飞行事故,操讨轴颈疲劳裂纹的成因及扩展速率,应采取的相应对策。对于新机的研制和生产有借鉴意义,对于直升机的使用、维护,保证飞行安全,有重要的现实意义和长远的军事意义。     

基于磨粒磨损机理的机械磨损状态监测

针对机械设备磨损状态监测准确率较低的问题,基于不同磨损机理下磨粒具有不同的形状和纹理特征,提出了一种基于磨粒特征识别的机械磨损状态监测的数学模型。通过形状特征识别球状磨粒和切削磨粒,结合形状、纹理特征识别疲劳磨粒和严重滑动磨粒,基于提取的特征参数建立机械磨损状态监测的特征向量,通过量子粒子群优化(QPSO)的径向基函数神经网络模型,实现对机械磨损状态的监测和判别。实验结果表明:QPSO-RBF神经网络数学模型结构简单,比传统PSO-RBF神经网络模型的识别准确率高5%,可用于常见机械磨损状态的检测。      

直升机旋翼轴弯矩特征及应用

针对球柔性桨毂构型的直升机,分析了各支臂mΩ挥舞力动载、挥舞力静载不平衡量和摆振力动载、离心力动载、离心力静载不平衡量产生的旋翼轴弯矩的幅值、频率、相位和分布规律。对某直升机制定了飞行载荷测量方案,获取了测量数据,分析了旋翼轴弯矩的特征,建立了有效性判据,判别了无效数据,编制了实测载荷谱。某直升机的分析结果表明：在旋翼坐标系下旋翼轴动弯矩远大于静弯矩,旋翼各支臂挥舞力静载不平衡量和和离心力静载不平衡量较小;旋翼轴弯矩以1Ω载荷为主,主要由旋翼各支臂1Ω的挥舞力、摆振力和离心力产生;合成弯矩呈大小相等的旋转弯矩特征,沿旋翼轴不同周向位置的弯矩幅值相近,相位差与周向的夹角相同。     

基于神经网络的滚动轴承故障包络信号的自动识别方法

介绍了一种基于神经网络的滚动轴承故障包络信号的自动识别方法。将从包络信号的时域和频域信息中提取的反映滚动轴承故障的特征信息作为BP神经网络的输入,用BP算法对该网络进行训练。利用BP神经网络的智能性来实现滚动轴承故障的智能诊断。     

基于ACMPE、ISSL-Isomap和GWO-SVM的行星齿轮箱故障诊断

针对从行星齿轮箱非线性、非平稳振动信号特征提取困难的问题,提出了一种基于自适应复合多尺度排列熵(ACMPE)、改进监督型自组织增量学习神经网络界标点等度规映射(ISSL-Isomap)和灰狼群优化支持向量机(GWO-SVM)相结合的行星齿轮箱故障诊断方法。利用ACMPE从复杂域提取振动信号的故障特征,构建高维故障特征集;采用ISSL-Isomap方法对高维故障特征集进行维数约简,提取出低维、敏感故障特征;应用GWO -SVM分类器对低维故障特征进行模式识别,判断故障类型。行星齿轮箱故障诊断实验结果分析表明:与多尺度排列熵(MPE)、复合多尺度排列熵(CMPE)等特征提取方法相比,ACMPE方法在分类效果和识别精度上更具优势;与局部切空间排列(LTSA)、等度规映射(Isomap)、加权Isomap(W-Isomap)、监督Isomap(S-Isomap)和监督型自组织增量学习神经网络界标点Isomap(SSL-Isomap)等降维方法进行比较,ISSL-Isomap方法降维效果最佳;所提方法的故障识别率达到100%,具有一定优越性。      

考虑旋翼轴刚度的孤立旋翼固有特性计算

对于装有叶间减摆器的的直升机旋翼,其集合型摆振二阶固有特性与旋翼轴的刚度有密切的关系,在以往孤立旋翼的计算中,没有考虑旋翼轴的刚度,认为旋翼在旋转中心是固支的,这样使得计算结果与实际情况有比较大的出入。本文通过建立一种新的计算模型与原来的模型进行对比,并结合扭振系统计算结果及试验数据分析不同建模之间的差异。     

转子系统不平衡故障的再现方法浅析

针对转子系统不平衡特征再现设计问题,提出1种基于动力学相似关系的模型再现方法。根据转子系统的振动微分方程,通过积分模拟法和量纲分析法建立转子系统中转轴、转盘、弹性支承和不平衡量的相似关系。根据相似关系,设计了原型不平衡转子系统的动力学相似模型,利用有限元方法仿真验证了所得相似关系的正确性。试验采用最小二乘三点法识别原型与模型不平衡转子试验台的不平衡量,给出再现原型不平衡特征的过程,验证了不平衡特征再现设计方法的有效性。总结了基于动力学相似关系的转子系统不平衡特征再现设计方法。     

一种变旋翼转速直升机/涡轴发动机非线性模型预测控制方法研究

为了实现变旋翼转速直升机/涡轴发动机快速响应控制,提出了一种基于神经网络的直升机旋翼预测模型与基于状态变量模型的涡轴发动机预测模型的新型非线性模型预测控制方法。所建目标函数除了包含转速控制指标外,还考虑了经两级变速双离合器传动机构传扭后发动机输出轴的转子动力学特性。不同飞行任务下的数值仿真结果表明:相对于PID控制器而言,非线性模型预测控制器可在满足压气机转速、发动机静强度等限制条件下使动力涡轮转速在变旋翼转速过程中的超调量减小50%,下垂量降至0.2%以内,实现了涡轴发动机的快速响应控制的同时,有利于改善发动机使用寿命。     

直升机旋翼/机身耦合系统气动/机械稳定性分析

考虑了铰接式旋翼桨叶绕挥舞、摆振和变距铰的整体刚性运动与桨叶中等弹性变形之间的动力学耦合作用,将直升机机身和传动轴作为弹性体。通过构造一种特殊的24自由度刚柔混合单元得到旋翼/机身耦合系统的周期时变动力学方程,根据Floquet理论对稳态周期解的稳定性进行研究。计算结果表明,旋翼轴的截面刚度对旋翼/机身耦合系统的气动/机械稳定性有一定的影响。      

含噪声的转子碰摩混沌信号分类识别

采用基于竞争学习和聚类分析的学习向量量化 ( LVQ)方法 ,研究转子碰摩混沌响应信号的神经网络分类识别问题 ,给出了相应的理论分析和计算结果 ,着重研究了 LVQ网络在不同噪声时的识别情况。分析结果表明 ,该方法可以实现转子碰摩混沌信号与其它响应信号的分类识别 ,并且具有良好的抗噪性能 ,为转子碰摩混沌信号的分类识别提供了一种较为直接的实时处理方法。     

转子振动故障的过程功率谱熵特征分析与定量诊断

针对传统旋转机械振动故障定性诊断的不足,提出了1种以信息熵理论为基础的转子故障特征分析与定量诊断方法。在转子试验台上模拟转子振动的4种典型故障,分别得到4个测点多转速下的振动过程故障数据;对这些故障数据进行分析和处理,提取反映其振动过程的故障特征——功率谱信息熵,建立能描述转子振动过程变化规律的多转速多测点下的故障信息熵矩阵,并对振动故障进行分析;通过对转子振动故障信号的实例计算和定量诊断分析,验证了该方法在转子振动故障分类和故障严重程度判断方面是可行的。