基于Lyapunov指数谱的转子-机匣系统故障诊断研究

发展了基于Lyapunov指数谱的航空发动机转子-机匣系统故障诊断方法。基于实测的航空发动机机匣振动时间序列求解了系统不同状态的Lyapunov指数谱;基于Lyapunov指数谱,应用最大Lyapunov指数和Lyapunov指数谱图对航空发动机转子-机匣系统进行了故障诊断。研究结果表明:航空发动机机匣振动时间序列在不同状态下具有不同的Lyapunov指数谱,即可以Lyapunov指数谱作为故障诊断的特征量。     

含碰摩故障的新型转子-滚动轴承-机匣耦合动力学模型

针对航空发动机整机振动,建立了一种新型转子-滚动轴承-机匣耦合动力学模型.该模型具有如下特点:1)考虑转子、滚动轴承及机匣之间的耦合作用;2)考虑了实际航空发动机的弹性支承及挤压油膜阻尼效应;3)将转子考虑为等截面自由欧拉梁模型,运用模态截断法进行分析;4)考虑了滚动轴承间隙、非线性赫兹接触力以及变柔性VC(Varying Compliance)振动;5)考虑了转子与机匣之间的碰摩故障.运用数值积分方法获取了系统响应,研究了航空发动机的整机振动规律.     

基于参数识别的航空发动机转子故障诊断与定位方法

航空发动机结构复杂,转子的故障诊断与定位是一个难点。考虑航空发动机实际测量条件,提出一种基于扩展卡尔曼滤波器的转子故障诊断方法,其核心是通过识别典型故障特征参数对转子的多种故障进行诊断和定位。针对实际航空发动机整机结构,用有限元法建立一种耦合的转子-支承-机匣动力学模型。该方法针对实际采集观测信号不完备的问题,采取加权整体迭代的方法来加快参数的稳定与收敛。针对所建立的航空发动机典型故障模型和实际模型存在误差的问题,采取衰减记忆滤波的方法来补偿误差。最后对含典型故障转子的航空发动机整机模型进行仿真计算得到数值解,作为未知故障的观测信号,结合加权整体迭代和衰减记忆滤波的扩展卡尔曼滤波方法,分析得到未知的故障特征参数,依此故障特征参数,实现对故障的识别和诊断,结果证明了该方法对航空发动机转子进行故障诊断和定位的有效性。     

基于EMD和HHT的航空发动机转子—机匣振动信号分析

将EMD和HHT方法引入航空发动机转子—机匣的振动信号分析,某台发动机的台架实测机匣振动信号的分析结果表明,该方法能够比较清楚地再现转静系统碰摩故障随转速和采样周期的演变过程,能够克服傅立叶谱无法同时获得时域和频域信息的缺陷。同时边际谱与傅立叶谱相比能够比较真实客观地反映系统的频率和幅值分布情况。     

改进注意力机制的航空发动机试验转子系统智能故障诊断

考虑到航空发动机的工作环境十分恶劣,其故障的振动信号特征隐蔽且噪声干扰严重,为了加强网络对振动信号中关键特征的提取能力,提出了改进注意力机制的航空发动机转子系统智能故障诊断方法对航空发动机转子系统的不平衡和碰摩等故障进行诊断。提出局部池化改进的通道注意力机制,能够通过预提取局部极值解决现有通道注意力机制对航空发动机转子故障通道信息提取能力不足的问题;提出多评分机制改进的空间注意力机制,能够通过不同尺度的卷积评分解决现有空间注意力机制对航空发动机转子故障空间信息提取能力不足的问题;将二者结合构建改进的通道空间注意力机制模块,再导入一维卷积神经网络中构建改进注意力机制的一维卷积神经网络完成智能故障诊断,并且通过航空发动机转子系统故障数据集对比分析试验证明了该网络优秀的检测性能、抗噪性能和泛化性能等综合性能以及注意力机制改进方法的可行性。     

转子-滚动轴承-机匣耦合系统中滚动轴承故障的动力学分析

针对实际的航空发动机转子系统,建立了含滚动轴承故障的转子-滚动轴承-机匣耦合模型.在模型中,考虑了机匣运动,弹性支承与挤压油膜阻尼的作用,同时,充分考虑了轴承间隙、滚珠与滚道的非线性赫兹接触力以及由滚动轴承支撵刚度变化而产生的变柔性(Varying Cbmpliance)VC振动.在此基础上,建立了耦合系统中滚动轴承外圈、内圈及滚动体的损伤动力学模型,并运用数值积分方法进行了动力学仿真与分析.结果充分表明了本文提出的转子-滚动轴承-机匣耦合系统及滚动轴承故障动力学模型的正确有效性.     

Lyapunov指数在异步电动机机械振动识别中的应用

基于非线性动力学理论,研究异步电动机振动信号的Lyapunov指数特征,并应用于故障诊断和识别。首先,搭建试验平台,并模拟异步电动机正常工作、转子不对中和底座安装不良的三种转动状态。分析电动机三种振动信号的波形,并进行去噪和预处理。然后,基于BBA算法计算振动信号在不同工作状态下的Lyapunov指数谱,选取最大Lyapunov指数作为特征用于识别异步电动机的机械振动;最后,为了对该分析方法的有效性及抗干扰性进行验证,引入了随机噪声,分析所提出算法在不同参数下的受噪声的影响水平。研究结果显示,异步电动机在正常运行时,其最大Lyapunov指数值在0.3～0.7;安装不良时其最大Lyapunov指数值在0～0.3,表明这两种工作状态下电动机振动信号序列出自于一个混沌过程;在电动机处于转子不对中状态时,其最大Lyapunov指数值近似为零,表明其振动序列中基本不存在混沌属性。在该研究结果的基础上,配合特征融合与机器学习分类算法,将有效提高异步电动机机械振动识别的准确率和效率。     

基于李雅普指数的汽车发动机故障诊断研究

研究了斯太尔汽车发动机系统非线性特性，针对其不同的状态，利用测理的振动时间序列求解了系统的最大李雅普指数。结果表明：该发动机振动的时间序列在不同状态下李雅普指数不同，因此可以李雅普指数作为识别其状态的特征量，为发动机的故障诊断和监控提供了可靠的方法。     

双转子航空发动机整机振动建模与分析

针对实际的双转子航空发动机,建立了航空发动机双转子-支承-机匣耦合动力学模型.在耦合模型中,利用有限元方法对转子和机匣系统进行建模;支承系统采用了集总参数模型,计入了滚动轴承和挤压油膜阻尼器的非线性;定义了5种支承和连接方式,以适应复杂的双转子航空发动机转子-支承-机匣耦合系统建模.运用Newmark-β法和改进的Newmark-β法(翟方法)相结合的数值积分获取系统非线性动力学响应.最后进行了航空发动机的整机振动分析,分析了系统临界转速、应变能及不平衡响应灵敏度,研究了挤压油膜阻尼器的减振特性以及系统突加不平衡的瞬态响应.     

基于机匣振动信号的滚动轴承故障特征提取

通过进行带机匣测点的滚动轴承故障模拟实验,获取滚动轴承在故障状态条件下,轴承座测点和机匣测点的振动数据。分析结果显示,相对于轴承座,机匣上的振动信号成分复杂,轴承故障特征不明显,直接进行包络解调无法提取故障特征。通过奇异值分解(singular value decomposition,SVD),差分谱中各峰值处奇异值可以表征不同成分的信号。当轴承故障信号微弱时,第一个峰值处的奇异值重构信号往往代表转频及其调制信号分量,选取该靠后峰值处的奇异值进行信号重构可以有效提取轴承故障特征信号。研究内容为实际基于机匣测点信号的航空发动机滚动轴承故障特征提取提供了一种新的方法。