涡轴发动机转子碰摩故障振动信号分析

涡轴发动机的工况决定它容易在转子过渡态因瞬间失衡而出现碰摩现象。碰摩故障会引起部分统计特征参数发生突变现象。基于三叉树检测算法,提出转子局部碰摩故障监测方法。基于某涡轴发动机转子振动倍频幅值包络线、试车转速曲线,分别仿真涡轮机匣测点发生局部碰摩故障与正常工作状态下的振动信号。对振动信号进行频谱分析,并提取振动信号的峭度指标、裕度指标、总量,以对转子碰摩故障进行甄别。结果表明：转子基频容易凸显故障特征;基于统计特征的碰摩监测方法能够较好地识别出转子碰摩故障。     

基于时频分析的裂纹转子碰摩故障特征研究

为研究转子系统耦合故障特性,采用有限元方法建立了含有横向裂纹、转静碰摩的非线性转子动力学模型。首先研究了不同转速下裂纹、碰摩单一故障下转子系统的振动响应,其次研究了两种故障耦合情况下系统的振动响应特征。采用波形图、FFT谱图、瞬时频率和Hilbert-Huang时频谱(HHS)相结合的方法对故障转子振动信号进行了分析。分析结果表明:运用多种时频分析相结合的方法可以较为全面地了解转子的故障特征,裂纹转子在1/5、1/3临界转速时会发生较为明显的5X、3X谐波,且裂纹的产生会导致响应幅值增大,从而引起更为严重的碰摩。      

基于声发射信号的转子碰摩故障诊断方法

利用声发射信号的高频特性采集转子碰摩故障信息，采用小波分析技术把所得声发射信号分解在不同频带，对信号进行重构，从而消除背景噪声，并用小波包络谱分析方法识别故障信息。分析结果证明，基于声发射信号的小波包络分析可以检测出微弱的转子碰摩故障，是一种有效的早期故障诊断方法。     

转盘偏心距对不对中-碰摩转子动力学响应的影响

针对含转盘偏心的不对中-碰摩转子系统耦合故障导致的振动问题,建立不对中-碰摩耦合条件下的滑动轴承-转子系统动力学模型,考虑齿式联轴器不对中作用力、滑动轴承油膜力、转盘偏心距和碰摩等一系列强非线性的耦合。基于多参数、多目标协同仿真得到关键参数与系统响应的关联关系,并引入最大碰摩力和电信领域中占空比的概念对转子模型的动力学特性进行量化表征。研究结果表明：不对中的存在导致系统产生了2×、4×等偶数倍频,系统的轴心轨迹呈现出“8”字形,偏心距的变化直接影响了系统的周期运动类型和分布,当偏心距由小变大时,系统的一二阶临界转速显著提高,直接限制了油膜力的响应幅值,但不会影响不对中产生的2×频率幅值。最后得到此模型合理的偏心距取值范围。     

基于多尺度加权融合特征学习的转子故障诊断

针对一维振动信号表达故障特征信息不全面及转子故障信噪比低的问题，提出一种基于多尺度加权融合特征学习的转子故障诊断方法。首先，对时域振动信号的幅值进行标准化处理，利用对称点模式(SDP)原理将多传感器振动信息融合为二维SDP图像，通过选取适当的时间滞后系数和角增益，突出不同故障下SDP图像的特征；其次，构建了一种多尺度加权卷积神经网络(MSW-CNN)模型，利用3个不同的感受野分别提取图像特征，通过对多通道图像特征进行加权融合提高了模型的分类精度；最后，利用MSW-CNN模型对6种故障状态的SDP图像进行特征提取并分类。实验结果表明，与其他3种方法相比，所提方法的转子故障诊断精度更高，达到99.31%,在噪声干扰下的诊断精度为96.23%,验证了所提方法的有效性。     

滑动轴承-转子系统非线性动力学特性研究

建立一个考虑碰摩力-油膜力耦合的单盘转子系统的动力学模型,推导出系统的量纲一化微分方程,运用四阶Runge-Kutta数值积分法进行数值计算,得到转子系统的分岔图、轴心轨迹图、Poincaré映射图、最大碰摩力分布图、时间历程图和频谱图,研究系统参数与动力学特征的关联关系,辨识出了转子系统的碰摩次数。结果表明：系统在油膜涡动、转盘与定子碰摩及油膜振荡的作用下产生了复杂的动力学行为;转盘阻尼的增加,能够提高系统的稳定性,减小转盘与定子的碰摩,使系统出现最佳的运行区域。     

不对中-碰摩转子系统动力学响应分析

建立不对中-碰摩-不平衡条件下的滑动轴承-转子系统动力学模型,综合考虑不对中、滑动轴承油膜力、转盘偏心量和碰摩等一系列强非线性的耦合。运用C语言环境下的四阶Runge-Kutta数值积分法,引入碰撞振子系统的分析方法对转子系统的碰摩分岔转迁行为进行分析,同时引入最大碰摩力和占空比概念对转子模型的参数变化引起的系统响应进行量化表征。结果表明：不对中故障导致转子系统产生2×、4×等偶数倍频率,并且2×频率幅值不随转速和系统参数的改变发生变化;轴承间隙和润滑油黏度的改变对系统响应产生了显著影响,具体表现为系统的稳定性随着轴承间隙的减小和润滑油黏度的增大而提高,特别是润滑油黏度的增大使得系统一、二阶临界转速明显增大。     

基于多传感数据融合的变速运行齿轮异常振动故障诊断

变速运行齿轮异常振动故障诊断性能过差会增加汽车维护成本,缩短齿轮使用寿命。为了及时识别齿轮故障,保证汽车变速器总成具有良好的振动特性,提出基于多传感数据融合的变速运行齿轮异常振动故障诊断方法。通过分析多传感器数据融合技术,掌握变速运行齿轮异常振动故障诊断的理论框架,并以此为基础,参考传感器融合模块、特征级并行多神经网络局部诊断模块和终端分类模块,结合变分模态分解、多通道加权融合和单隐层前馈神经网络训练算法,从信号采集、信号特征提取和信号特征分类3个步骤实现变速运行齿轮异常振动故障诊断。实验结果表明：在齿轮发生轻度磨损时,磨损振动信号的幅值在20~40 mV之间,磨损振动信号的频率在0~4 000 Hz区间;中度磨损时,信号的幅值在30~55 mV之间,信号频率在3 000~7 000 Hz区间;重度磨损时,信号幅值在50~70 mV之间,信号频率在6 000~12 000 Hz区间,且各阶段诊断结果均与故障程度的实际转折点吻合。由此可知在各样本数量均相同的情况下,提出的故障诊断方法预测值与真实值均相同,故障程度和故障类型的诊断性能均较好。     

燃气涡轮起动机减速器齿轮断齿分析

燃气涡轮起动机返厂修理分解检查时，发现减速器输入主动齿轮损坏，弹性轴定位段单向严重胶合。通过对故障件进行外观形貌、裂纹和金相组织检查，以及齿轮偏斜情况下的强度计算分析，结果表明:主动齿轮断裂性质为轮齿弯曲疲劳，轮齿弯曲疲劳失效与其承受了较大的振动冲击载荷有关，弹性轴前花键与动力涡轮轴内花键间隙配合导致径向位移和涡轮转子振动增大，齿轮接触应力和弯曲应力显著增加，最终产生疲劳断齿。     

基于相关系数稀疏表征的转子振动信号周期特征提取

传统的信号处理方法难以对含噪混叠信号进行分析，给旋转机械的运行状况监测和故障诊断带来困难。为此，结合转子振动信号周期性强的特点，提出互相关稀疏分解方法。对仿真信号进行压缩传感，从而实现信号的降维。 构造离散傅里叶字典，通过正交匹配追踪算法得出信号的稀疏表示。利用皮尔逊系数计算重构信号与原信号的相关性，选择最合适的稀疏度K完成对仿真信号的降噪重构。将稀疏系数与字典中对应的原子相乘，分离出仿真信号中不同的频率成分；对转子振动信号实例进行分析，提取转子的转频及其倍频成分。 结果表明：与传统的信号处理方法相比，所提方法处理的含噪混叠信号更易于分析，有助于旋转机械的运行状况监测和故障诊断。     

基于邻域粗糙集与支持向量机的大型风机齿轮箱故障诊断

大型风机的齿轮箱故障诊断是保证风机正常、稳定运行,避免突发性事故的有效手段。针对大型风机齿轮箱振动进行实时监测,对其振动情况进行分析、诊断。对采集的信号采用时域方法进行研究,获取时域指标属性,运用邻域粗糙集约简知识对各个信息属性进行约简,再结合支持向量机进行样本训练,并对待测数据进行故障诊断。     

基于振动时域特征的船用滚动轴承故障诊断方法

基于机器学习故障诊断方法,针对船用滚动轴承复合故障特征提取多样化的特点,提出一种以振动信号时域指标为特征的随机森林故障诊断方法。将振动时域信号进行清洗转换,构造5个量纲一化指标的衍生特征,并选取以决策树为基本分类器的随机森林算法建立训练模型;通过特征筛选、评估测试和模型优化得到较为理想的故障诊断分类模型;采用滚动轴承竞赛数据集进行模型仿真,并结合实际模拟8种船用滚动轴承故障状态。通过三向振动实验和算法建模,证明特征提取的科学性和故障诊断模型的有效性。结果表明:采用该方法,数据仿真诊断准确率为98.61%,实验诊断准确率为98.85%,且该方法在振动采集方向为轴向时诊断效果最优。     

基于非线性输出频率响应函数的转子碰摩故障诊断方法研究

以碰摩故障为研究对象,将非线性输出频率响应函数(NOFRF)引入到含有碰摩的转子系统故障诊断中。对比分析在转子与定子不同间隙下的转子系统NOFRF值的变化情况,并进行了试验验证。结果表明故障转子系统的NOFRF值对转子与定子不同间隙的变化非常敏感,因此,可以利用转子系统的NOFRF值对碰摩故障的敏感性,不仅可以有效地区分转子系统中的碰摩故障,而且还可以有效地识别转子系统中的碰摩故障的严重程度。     

归一化全矢能量在随机工况下齿轮微弱故障识别中的应用

随机工况下,转速和负载的不同会改变振动信号的幅频调制特性,使得风电机组齿轮箱局部微弱故障的诊断难度急剧增大,针对于此,提出采用不同的恒定工况替代随机工况,以归一化全矢频带能量实现随机工况下齿轮箱微弱故障的诊断。方法首先将随机工况分解成不同的恒定工况的组合,降低工况的维数,针对各恒定工况,采用全矢理论将同源信号进行融合,以保证微弱信号源信息的完整性,再利用FIR滤波对全矢信号进行分解,消除因工况的不同所造成的模态混叠的影响。考虑到转频处的频带能量能定量区分不同的工况,频带能量的变化率能实现齿轮工作状态的区分,而信息熵能准确反映信号激励源和激励方式的区别,提取各频带能量熵之和、转频处的频带能量及频带能量的变化率作为区分齿轮工作状态的特征向量,消除工况变化所造成的诊断干扰的同时有利于实现各种工况下的故障模式识别,达到随机工况下齿轮微弱故障诊断的目的。最后采用高斯混合模型对风电机组齿轮箱随机工况下的150组振动信号进行特征描述,运用最大贝叶斯分类器实现故障识别,故障识别率表明该方法可有效的识别随机工况下的齿轮早期局部微弱故障。     

谱峭度和Vold-kalman阶比跟踪在风电机组齿轮箱故障诊断中的应用

针对风电机组齿轮箱在时变工况下的振动信号具有非平稳特性,提出一种谱峭度和Vold-kalman阶比跟踪(Vold-Kalman Filter Based Order Tracking,VKF-OT)相结合的故障特征提取方法。以转频和啮合频率作为VKF-OT的提取频率,获得随转速变化的阶比信号,通过阶比信号复包络直接求两种频率分量的幅值、相位,经实验分析这种方法能保留齿轮箱的瞬变信息。而后计算两种频率分量的谱峭度,以最大谱峭度对应的频率带能量与原阶比信号总能量之比作为故障特征,最后采用高斯混合模型对风电机组齿轮箱在不同工况下的150组振动信号进行特征描述,运用最大贝叶斯分类器实现故障识别。故障识别率表明该方法可有效地识别任意时变工况下的齿轮早期局部微弱故障。     

基于关联规则的汽轮机叶片振动研究

研究了汽轮机叶片振动测试的数据采集方法,采用光栅光纤及电阻应变片分别测量手段进行叶片振动实验。模拟汽轮机运行状态进行了转子运行实验,提出了实验方案,通过实验测试采集了振动信号数据集。应用Apriori算法对数据集进行分析,使用WEKA平台进行数据处理,定位了转子在这一状态下的易损部位,并发现了与叶片振动相关的关联规则。研究表明,应用Apriori算法可有效发现汽轮机叶片振动问题,将其应用于更多工况下汽轮机运行振动优化具有一定指导作用。     

Fault diagnosis of internal combustion engines using visual dot patterns of acoustic and vibration signals

An investigation of the fault diagnosis technique in internal combustion engines based on the visual dot pattern of acoustic and vibration signals is presented in this paper. Acoustic emissions and vibration signals are well known as being able to be used for monitoring the conditions of rotating machineries. Most of the conventional methods for fault diagnosis using acoustic and vibration signals are primarily based on observing the amplitude differences in the time or frequency domain. Unfortunately, the signals caused by damaged elements, such as those buried in broadband background noise or from smearing problems arising in practical applications, particularly at low revolution, are not always available. In the present study, a visual dot pattern technique is proposed to identify the acoustic emission and vibration signals for fault diagnosis in an internal combustion engine and drive axle shaft. Experiments are carried out to evaluate the proposed system for fault diagnosis under various fault conditions. The experimental results indicate that the proposed technique is effective in the fault diagnosis of an internal combustion engine and drive axle shaft.     

基于深度学习与电子听诊器的轴承故障诊断

针对滚动轴承故障诊断,受启发于传统人工听诊的做法,以及利用传统机器学习方法提取故障特征过度依赖人工、诊断正确率低等问题,提出一种基于深度学习与电子听诊器相结合的滚动轴承故障诊断方法。该方法利用电子听诊器获取轴承不同健康状态下运行的声音信号,以轴承转动周期为数据样本长度,采用重采样数据集增强方法提高模型的泛化性。搭建基于TensorFlow的一维卷积神经网络深度学习模型进行实验验证,并利用t-SNE对分类过程进行可视化,诊断正确率达到99%。     

发动机压气机叶片断裂故障分析与试验验证

发动机工作过程中出现燃气温度偏高的异常现象,返厂试车过程中Ⅱ级、Ⅲ级压气机转子叶片发生断裂。通过分解检查和理化分析,确定各断裂叶片的断裂性质及首断件;从设计、制造、装配、使用方面对首断件断裂原因进行分析,并采用整机模拟燃气温度偏高试验和压气机叶片叶尖振幅测量试验对断裂原因进行验证。结果表明:Ⅱ级压气机部分转子叶片发生高周疲劳断裂,为首断件;发动机严重进气畸变状态下,燃气温度偏高,Ⅱ级转子叶片一阶弯曲振动应力过高;可调叶片角度不准确、非正常激励频率是导致压气机叶片断裂的原因。