基于故障树分析法的压气机振动故障分析

为了研究某型压气机在部件试验过程中发生的振动异常故障,基于Isograph的故障树分析法,对33项底事件主要从流体激振、机械激振和测试系统复查等3方面进行定性分析。结合试验中的气动数据和监测数据,利用排除法(设计排查和实物排查)逐级确定各底事件的不可用度大小,选取其中不可用度最高的底事件再进行详细分析,确定了故障原因:有3片压气机第1级转子叶片的叶尖与对应的机匣发生偏摩,其转子不平衡量发生了较大变化。通过采取对磨损的叶尖部位进行抛修,重新对压气机转子进行动平衡的方法排除了该故障,使试验顺利开展。     

一种可容错的无刷直流电机驱动控制方法

针对反电势为梯形波的永磁无刷直流电机断路故障,提出了一种可容错的驱动控制方法,利用电流传感器对故障进行检测和定位,对发生的一相断路故障,通过在传统三相全桥驱动电路基础上增加一路半桥,并将电机星型连接点引出与之相连,实现故障状态下的容错驱动。在Simulink中建立正常运行模型和容错运行模型,对所提出的驱动方案进行验证和分析。最后,通过实验证明了该方案的可行性以及理论分析和仿真的正确性。     

多通道相关-自适应轴承故障诊断方法

提出了多通道相关-自适应共振解调(MCC-ARD)方法 ,该方法使用冗余信号源采集故障信息,并利用谱峭度(SK)优化经验模态分解(EMD)的分解效率,根据互相关系数更加合理地选择本征模态函数(IMF)分量完成重构,对重构IMF进行包络解调,实现对滚动轴承的故障诊断。通过对多通道相关-自适应共振解调方法的实测数据分析,结果表明:该方法不仅克服了单一信号源系统修正能力差的缺陷,而且相频谱辨识率为传统EMD结合谱峭度共振解调方法的2.7倍,对滚动轴承故障的诊断结果更加清晰、准确。     

基于IITD和FCM聚类的滚动轴承故障诊断

基于Akima插值和固有时间尺度分解（ITD）中的线性变换,提出了一种改进的固有时间尺度分解（IITD）,在此基础上,进一步提出基于IITD近似熵（AE）和模糊C均值聚类（FCM）相结合的滚动轴承故障的诊断方法。采用IITD方法对滚动轴承的振动信号进行分解,通过互信息分析,筛选出前3个含主要特征信息的固有旋转分量（PR）,计算其近似熵值作为信号的特征向量,将得到的特征向量输入到FCM分类器中分析并得到分类结果。实验分析表明:分别与基于EMD、ITD近似熵和FCM聚类相结合的方法比较,该方法的分类系数更接近1,平均模糊熵更接近0,即此方法对滚动轴承的正常、内圈故障、外圈故障、滚动体故障信号以及对内圈的不同损伤程度信号均能更有效更准确地进行分类。      

基于Birge-Massart阈值降噪与EEMD及谱峭度的滚动轴承故障特征提取

针对传统共振解调方法易受噪声干扰导致故障特征提取效果不佳的问题,提出了一种基于Birge-Massart策略的阈值降噪与集成经验模态分解(EEMD)和快速谱峭度算法相结合的滚动轴承故障特征提取方法。对原始故障信号进行EEMD并采用峭度准则筛选出含有故障信息的本征模态函数(IMF)分量;采用Birge-Massart策略和快速谱峭度对故障信号进行滤波降噪;对滤波后信号进行Hilbert包络解调,提取轴承故障特征。采用该方法分别对仿真信号和实验信号进行特征提取,结果表明该方法可以有效提高故障信号信噪比,清晰准确地获取轴承内、外圈故障的频率特征。利用峭度因子准则筛选IMF分量能有效保留原始故障信号中的冲击特征,去除无关IMF分量的影响。      

微型燃气轮机发电机组快速原型控制器硬件在环试验研究

为了验证燃气轮机发电机组控制器的全状态控制、故障识别与处置功能,提出了1种基于cRIO快速原型控制器的硬件在环仿真方案。该系统包括1套模块化设计的快速原型控制器、高精度的接口模拟器、基于Simulink设计的燃气轮机发电机组数学模型和控制系统监控软件。硬件在环试验表明:快速原型控制器具备燃气轮机发电机组的全状态控制功能;针对注入的7种典型故障,快速原型控制器能快速识别和合理处置。通过硬件在环试验验证的快速原型控制器可用于对真实燃气轮机发电机组的控制。     

航空发动机离心通风器断裂故障分析与排除

针对某型离心通风器断裂故障,进行结构分析、断口金相检查,并对离心通风器的强度、固有频率、共振转速进行计算和动应力试验。结果表明:该离心通风器断裂故障属高周疲劳破坏;离心通风器与齿轮轴定位结构不合理,使离心通风器齿轮轴在工作转速范围内发生共振,是造成离心通风器断裂的主要原因。根据故障原因制定了排故措施,并进行了动态特性分析与试验验证,取得良好效果。     

基于阵元激励幅度分档的赋形波束方向图综合

提出了一种新型的基于幅度分档的赋形波束方向图综合算法。该算法共分为3步。首先,使用传统方向图综合方法如交替投影得到波束的无幅值限制的阵元激励;然后,使用概率密度理论对得到的阵元激励幅度进行处理得到量化的阵元激励幅度,最后,通过量化阵元激励幅度,使用半正定松弛（SDR）方法得到阵元激励的相位分布。上述步骤中,如何使用概率密度理论得到量化的阵元激励幅度是3步中较为重要的一步。将阵元激励幅度用概率密度变量进行替代,通过事先设定的阵元激励幅度档位个数,以及每个阵元激励幅度落在相应档位时取值的概率,可以得到含有概率密度变量的综合方向图表达式。最小化含有概率密度变量的综合方向图与理想方向图的功率之差即可得到量化的阵元激励幅度。使用概率密度理论得到量化阵元激励幅度的优势在于,可以根据任意形状的阵面和阵元栅格排布来划分幅度的档位区间,从而有着更广泛的适用性。在例证部分,通过多组算例的仿真,以及与一些对算法性能的分析,所提算法验证了其在综合效果上的优越性。     

玻璃纤维增强铝合金层板高速冲击损伤容限

为研究玻璃纤维增强铝合金（GLARE）层板高速冲击损伤容限,对单次、多次冲击载荷下GLARE层板的损伤特性进行了高速冲击试验和数值仿真研究。采用一级气体炮,在GLARE层板靶板的中心位置、边位置、角位置进行弹道冲击试验,获取弹道极限和损伤模式,然后结合数值仿真剖析动态响应特性。结果表明,弹道冲击条件下,GLARE层板主要通过塑性变形、金属层裂纹、脱胶、复合材料纤维脆断等损伤模式吸收冲击能量。边界约束效应对GLARE层板冲击损伤特性具有显著影响,主要表现在：约束效应导致不同位置冲击下GLARE层板损伤模式不同,包括成坑、金属裂纹和冲塞等特征;角位置冲击条件下,GLARE层板的弹道极限速度明显低于中心位置冲击结果;重复冲击条件下,角位置比与边位置和中心位置更容易发生穿透。     

基于IGA-ELM网络的滚动轴承故障诊断

为了提高航空发动机轴承故障诊断准确率,提出基于改进遗传算法优化极限学习机网络（IGA-ELM）的诊断模型。针对传统遗传算法易早熟等缺陷,对遗传算法的交叉操作和变异操作进行改进,并用改进的遗传算法优化极限学习机的输入权值矩阵和隐含层阈值,利用Moore-Penrose算法计算极限学习机的输出权值矩阵。使用IGA-ELM诊断模型对滚动轴承正常、内环故障、外环故障和滚珠故障4种工况进行诊断,并分析极限学习机隐含层神经元的数量和激活函数对轴承故障诊断的影响。为了验证改进遗传算法优化极限学习机的有效性,将传统遗传算法、自适应遗传算法和粒子群算法作为对比算法。经过分析表明：改进遗传算法收敛速度和收敛误差,均优于对比算法。