基于EMD的发动机轴承振动冲击故障特征提取

采用经验模式分解方法(EMD),研究了发动机轴承的非平稳振动信号故障特征提取问题.计算机仿真结果证实了该方法的有效性;采用该方法提取了滚动轴承故障振动信号冲击特征,结果表明应用该方法能够准确、有效地获得轴承的冲击损伤特征,并且,经进一步分析,可确定冲击损伤故障失效模式.     

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。      

航空发动机主轴轴承故障诊断

某型航空发动机的主轴轴承由于频繁出现早期失效而引起发动机故障,因此,对滚动轴承进行状态监测和故障诊断具有重要的实际意义。针对常规方法难以准确分析非平稳信号的局限性,本文研究了基于小波分析的滚动轴承故障诊断方法,通过滚动轴承外表面损伤的仿真信号进行小波包频谱分析,验证了基于小波分析的滚动轴承故障诊断方法是可靠、准确的,可以应用于航空发动机主轴轴承的状态监测和故障诊断。     

航空发动机双转子-滚动轴承耦合系统的动力特性分析

在轴承动力学和转子动力学基础上建立了某航空发动机双转子-滚动轴承耦合系统的非线性动力学数学模型,采用Newmark有限元法进行了数值求解,就转子转速、中介轴承的游隙和滚子个数以及支承轴承参数对双转子系统动力特性的影响进行了分析并加以实验验证.研究结果表明:①中介圆柱滚子轴承游隙值对双转子系统动力特性影响很大,其原始游隙值取20μm更利于系统运行的稳定性;②支承轴承内、外沟曲率半径的选取将直接影响着双转子系统动力特性;③高压转子与低压转子耦合节点处位移随高压转子转速的增加而减小,随低压转子转速的增加而增加;④中介耦合轴承节点处位移的理论计算值与实验值较为吻合,最大误差为18.7%.      

基于LMD和RBF相结合的尾桨台传动系统滚动轴承故障诊断方法

提出了局部均值分解(Local mean decomposition,简称LMD)方法和径向基函数神经网络(Radial Basis Function Neural Network,简称RBF)相结合的滚动轴承故障诊断方法.LMD方法是一种新的自适应时频分析方法,能够有效地提取故障特征.该方法首先采用LMD对滚动轴承振动信号进行分解,计算分解得到的PF分量能量比,作为特征向量输入到RBF神经网络中,进行故障分类和识别.通过真实滚动轴承数据的故障诊断实验,验证了该方法的有效性.     

航空发动机滚动轴承-双转子系统动态特性分析

在滚动轴承动力学和转子动力学分析基础上,建立了含滚动轴承动力学与转子动力学耦合以及高、低压转子间耦合的滚动轴承-双转子系统动力学方程,采用精细积分法和预估-校正Adams-Bashforth-Moulton多步法相结合的算法,对航空发动机滚动轴承-双转子系统非线性动力学方程进行求解,并对滚动轴承结构参数与转子动态特性的关系进行了理论分析.分析结果表明:①中介轴承径向游隙较小时转子系统振动量较小且转子运行较平稳,但中介轴承保持架打滑率会有所提高,应合理选取中介轴承的径向游隙值;中介轴承滚子数量对转子运转稳定性有较大影响,减小中介轴承滚子数量可降低保持架打滑率,但转子系统的振动量会增大;②支承轴承内、外沟曲率半径系数及径向游隙较小时转子系统的振动量较小,转子运转较稳定;支承轴承滚动体数量对转子运转稳定性有较大影响,滚动体数量增多有利于转子系统运行的平稳性.      

一种MED最优滤波长度选择新方法及其应用

最小熵解卷积（MED）是旋转机械故障诊断领域广泛应用的有效方法，它可以从噪声中提取微弱的故障冲击成分。然而它的有效性依赖于滤波长度的选取，目前，针对MED滤波长度的自动选取并没有明确有效的方法，往往需要人为经验选择。因此，在MED的算法基础上，通过结合自相关函数，提出了一种MED最优滤波长度选择的新方法，该方法构建了一个能量判定标准来衡量输出信号的周期性，从而自适应地确定MED的最优的滤波长度以提升微弱故障信号中的周期脉冲成分，避免MED方法容易出现最大化单一随机脉冲现象的发生。该方法应用于滚动轴承故障微弱冲击特征提取，并利用两个实例进行了有效性验证：基于辛辛那提试验中心的滚动轴承全寿命疲劳加速试验；带机匣的航空发动机转子试验器模拟远离轴承振动源的故障试验。结果表明，所提方法可以消除传递路径影响，提升微弱冲击周期性特征，并且与最大相关峭度解卷积（MCKD）方法相比，诊断结果更具优势。     

涡轮泵滚动轴承-转子系统高速运行试验研究

针对涡轮泵转子的具体结构特点,解决了高速运行试验过程中的支承、驱动、轴承润滑冷却、振动测量、转子高速动平衡及轴向力加载控制等问题。结合旋转机械故障诊断技术,提出了高速动平衡效率、转子支承状态及轴向力加载状态的优化方法,并在试验过程中对该优化方法进行了验证,实现了涡轮泵转子的高速稳定运行。结果表明:涡轮泵转子高速运行试验应采用刚性连接的柔性联轴器;涡轮泵转子高速轴承需采用高压直喷式供油;通过平衡效率优化可将非线性振动影响下的转子一次平衡效率由30%提高至73.7%;为避免高速运行时产生基础松动,试验中滚动轴承外环应采用紧配合安装;轴向力应沿轴承周向均匀加载,其大小应根据轴承-转子系统具体结构及运行状态综合分析确定。     

基于贝叶斯方法与稳健理论的滚动轴承摩擦力矩不确定度建立方法

基于贝叶斯方法与稳健化理论,提出一种未知分布时间序列不确定度的建立方法。该方法以中位数估计与Huber M估计融合方法分析时间序列数据的稳健性,构建贝叶斯先验分布,并与实验数据建立贝叶斯后验分布,创建以贝叶斯后验分布建立时间序列数据的不确定度。在显著性水平为0～0.1,通过对滚动轴承摩擦力矩分析,中位数估计与Huber M估计相融合方法确定了滚动轴承摩擦力矩稳健数据的边界值、显著性水平,构建了贝叶斯先验分布。以贝叶斯后验分布构建滚动轴承摩擦力矩不确定度。与经典统计学得到的不确定度比较,在相同置信水平下,该方法缩短了评估区间,提高了评估精度0～50%。该融合方法以稳健数据构建先验分布,提供一种贝叶斯方法先验分布建立方法;采用中位数估计与Huber M估计融合方法确定了数据显著性水平和边界值的确定,减小置信水平与稳健数据边界值主观确定的误差;为未知分布时间序列的不确定度建立提供了一种理论。     

基于PSO-RWE的自适应小波阈值函数滚动轴承振动信号去噪方法

针对现有小波去噪方法存在阈值函数中未知参数选取依赖经验,导致去噪不充分或去噪后信号失真的问题。提出了一种基于相对小波熵(RWE)的粒子群优化(PSO)算法,用于小波阈值函数中未知参数的自适应寻优,达到滚动轴承振动信号自适应降噪目的。改进了一种含两未知参数的小波阈值函数;以相对小波熵为优化算法的适应度函数对未知参数进行自适应寻优,得到最优小波阈值函数;通过对模拟仿真信号和试验采集的滚动轴承振动信号进行分析。结果表明:优化后的小波去噪方法能够更好地将噪声从染噪信号中滤除,去噪后信号波形的平滑度更好,信噪比相较硬阈值去噪提高294%,而且保留了原始信号更多的细节特征,具有更好的去噪性能和应用实用价值。