航空发动机主轴滚动轴承的技术进展

简述航空发动机主轴滚动轴承的国内外发展概况,指出需要解决与发展的一些设计分析技术,提出以高DN值(2.5～3)×106主轴轴承为预研重点.     

基于冲击特征提取的旋转机械智能故障诊断

针对齿轮、轴承故障，提出了基于冲击特征提取胶囊网络的旋转机械智能故障诊断模型。在胶囊网络的构架基础上，将原始故障振动信号作为输入，通过构造首层小波核卷积层，针对性提取冲击故障特征，提高深度学习网络特征提取的可解释性。在小波核卷积层之后扩展一层卷积层，强化首层小波核卷积层提取的特征，将强化的特征经初级胶囊层、数字胶囊层输出分类结果，从而构造了“端到端”的小波卷积胶囊网络模型。通过对各层提取的特征可视化分析，证明了该模型对故障振动信号的冲击特征具有良好的提取能力。3个不同实验平台的数据集验证结果表明不同故障类型、不同故障程度的齿轮及轴承的识别精度最高可达到100%，并具有良好的泛化能力。     

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.      

Alford力和滚动轴承对轴流压缩机转子系统动力特性和稳定性的影响

 研究叶尖气隙和滚动轴承共同作用下轴流压缩机的非线性动力特性及稳定性。采用有限元法和非线性滚动轴承模型,建立压缩机转子系统动力学模型,其中转子旋转时非均匀分布叶尖气隙引起的气动失稳力(即Alford力)根据已有实验数据和计算模型求得。通过计算分析发现叶尖气隙和滚动轴承分别激起系统的反进动和正进动共振频率,其共同作用造成压缩机转子系统的失稳,很好地解释了已有实验中出现的失稳现象。表明滚动轴承反力和Alford力的共同作用对压缩机转子系统的动力性能和稳定性有显著影响。     

基于LMD的包络谱特征值在滚动轴承 故障诊断中的应用

滚动轴承故障振动信号往往是多分量的调幅-调频信号,而传统包络分析方法需要根据经验设置滤波器的中心频率与带宽,因而会带来解调误差.基于此,提出了一种基于局域均值分解(local mean decomposition,简称LMD)的包络谱特征值的滚动轴承故障诊断方法.该方法可以将一个多分量的调幅-调频信号分解成若干瞬时频率具有物理意义的PF (product function,简称PF )分量之和,由于每一个PF分量是分量包络信号和纯调频信号的积,因此可以直接对包络信号进行频谱分析得到包络谱.然后定义信号在包络谱中不同故障特征频率处的幅值比为包络谱特征值,并以此作为特征向量输入到支持向量机分类器中,用以区分滚动轴承的工作状态和故障类型.对滚动轴承正常状态、内圈故障和外圈故障振动信号的分析结果表明了该方法的有效性.      

转子-滚动轴承试验器有限元建模及实验验证

针对自行研制的转子-滚动轴承试验器,在Pro/E中建立了单盘转子的三维实体模型。通过Pro/E与ANSYS的无缝连接技术,在ANSYS中得到单盘转子的三维有限元模型,采用Sol-id185实体单元进行网格划分并采用Subspace法得到了前4阶固有频率和振型。利用锤击法对转子试验器进行了实验模态分析,并与ANSYS模态分析结果进行了对比。结果表明,基于ANSYS的计算模态和实验模态达到了很好的一致性。同时,利用ANSYS分析了陀螺力矩对临界转速的影响。最后,利用修改后的有限元模型仿真计算了不平衡动力响应,与相同条件下的实验结果比较表明,所建立的有限元模型能够准确模拟实际转子-滚动轴承试验器的动力学行为。     

基于谱插值和奇异值差分谱的滚动轴承静电监测信号去噪方法

采用静电传感器进行滚动轴承故障监测实验研究.针对滚动轴承静电监测中各种强噪声、故障特征难以提取的问题,提出了基于谱插值和奇异值差分谱的联合去噪方法.首先采用谱插值抑制工频干扰,然后将所得信号构造Hankel矩阵,求取奇异值差分谱并自动确定有用分量个数,最后重构信号.仿真和实验结果表明:仅采用奇异值差分谱或者小波去噪方法,无法从含有强工频干扰的信号中提取有用成分;所提出的方法相比较谱插值和小波去噪方法能够凸显早期故障特征频率.     

滚动轴承振动与噪声关系的灰色研究

以灰色系统理论为基础,通过实验,研究6201和6203轴承振动与噪声的关系。振动用加速度有效值描述,噪声以声压级表示。实验数据处理结果表明,轴承振动与噪声的关系不明显,并具有很大的不确定性。因此,不宜用轴承的振动代替轴承的噪声,应单独研究轴承的噪声问题,制订轴承噪声标准和相应的工艺标准。      

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。     

振动分析技术在滚动轴承故障诊断中的应用

介绍了滚动轴承的故障原因、振动类型和故障特征及其诊断方法,并通过实例,对滚动轴承某一故障的特征、原因及分析方法进行了描述.