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。     

本钢5号TRT转子叶片断裂原因分析与临时修复

2011年7月26日20时42分,本钢5号高炉TRT机组因振动信号过大造成重故障停机,通过经验和断裂特点分析了5号TRT转子叶片断裂原因。为最大限度减少损失,采取了在厂家制做叶片的同时由本钢内部先进行临时性修复的方案。根据动平衡原理,结合本次叶片断落具体情况,确定平衡方案。采用动平衡原理和激光熔覆技术临时修复了转子和叶片,缩短了检修周期及检修成本,取得了良好效果。     

基于免疫神经网络的耦合转子系统故障检测

提出一种航空发动机耦合转子系统故障检测的免疫神经网络模型。该模型根据耦合转子系统振动特点,利用免疫识别原理构造神经网络检测器,该检测器用于捕获振动信号的异常模式特征。通过训练将振动信号的故障模式信息存储于分布的检测器中,当检测器与待检测信号样本匹配时则激活该检测器,根据检测器的激活情况发现故障。双转子振动实验结果表明:该方法对于由双转子耦合特性所造成的信号突变具有较高的灵敏度和分辨率,能够有效地检测转子系统常见的故障模式。     

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EMD的非线性扭矩激励作用下单跨转子横向振动响应

针对单跨转子在非线性扭矩激励作用时横向振动的响应,建立在某一频率的扭矩激励作用时单跨转子运动微分方程;分别对转子系统在有、无扭矩激励两种运行状态下的方程求解仿真,运用EMD方法对求解的结果进行分析。结果表明:在扭矩激励作用下横向振动信号中包含多个与激励频率相关的振动信号;并且能量发生了分流,对系统的稳定性有重要影响。最后,建立与仿真模型相同条件的试验台,试验结果验证了数值仿真的正确性;另外试验分解结果中存在不对中故障分量,试验发现不对中故障的存在使得扭矩激励对转子横向振动更突出。     

压铸机液压无快压射故障及排除两例

立式转子压铸机的液压、电气系统比较复杂,不掌握其性能特点,对查找出现的故障原因就易走弯路。有时故障现象相同,产生的原因却不尽相同。现举两例供检修时参考。     

旋转机械不对中形式的新分类及其故障诊断研究

根据转子不对中故障产生的机理,针对传统不对中故障分类过于概括、对实际排除不对中故障指导意义不太明确的缺点,根据联轴器两端支承轴承的不同状态,提出转子不对中故障的新的分类形式——同侧轴承不对中、异侧轴承不对中、混合不对中,并与传统分类方法进行比较,探讨新的不对中形式与传统不对中形式的关系,给出新分类方法中各类不对中故障的机理及振动特征。研究结果表明:对于同侧轴承不对中,壳体振动频谱中2倍频特征明显而轴振频谱2倍频不明显;异侧轴承不对中相当于传统分类中的平行位移不对中,而混合不对中相当于传统分类中的综合位移不对中。现场诊断案例证明该分类方法的有效性。该研究成果为提高转子不对中故障诊断的准确率、更加有效地指导现场操作人员排除故障提供参考。     

基于改进滤波及峭度原则EEMD的转子故障特征识别方法

针对转子运转时的振动冲击和噪声较大从而容易掩盖振动信号中的故障特征的问题,提出了一种基于小波阈值去噪的EEMD故障特征识别方法。采用改进后小波阈值滤波方法对振动信号进行降噪预处理,对处理结果进行集合经验模态分解(EEMD),再依据峭度原则筛选分解得到的本征模态函数(IMF)。分析重构信号的频谱特征以识别故障。结果表明,该方法有效提高了信噪比且能提取到转子故障特征。     

裂纹和碰摩转子耦合振动特性分析

以Jeffcott转子为研究对象，分析了转子系统出现裂纹和碰摩故障耦合振动特性。数值分析表明，当工作转速低于一阶临界转速时，转子振动响应中出现1，2，3…倍频成分，且当Ω=1/2，1/3，…时出现亚临界激励超谐共振现象；高于一阶临界转速时，频谱图上2倍频以后的分量和分频分量几乎消失。在某些情况下裂纹和碰摩故障的耦合使转子的故障特征消失，裂纹和碰摩故障的耦合不能改变转子的工频位置。     

传递矩阵法在弓形柔性转子平衡中的应用

转子质量不平衡和弓形变形是引起旋转机械振动故障的两个最重要因素,研究柔性转子动平衡特性对抑制旋转机械的振动起到了关键作用。通过对DH5957转子轴承系统动平衡实验,在对转子系统进行传统的质量不平衡分析的基础上进一步分析了转子系统弓形变形,基于传递矩阵法得到了转子轴承系统的质量不平衡影响系数和弓形变形影响系数;利用转子影响系数和低速转子响应计算得到了一阶临界转速转子多个平衡面所需的校正不平衡量,并将该校正不平衡量等效到一个平衡面上,进而通过实验在该平衡面施加配重进行转子平衡。通过对实验数据的分析表明:该转子在一阶临界转速下振动响应衰减至21.1%,挠性转子平衡周期也相应地降低至一次试重;转子并能够在其一阶临界转速下平稳过渡。     

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。     

加力泵转子磨损原因分析

某发动机加力泵在检修后的试车过程中出现起动转速异常并伴有杂音,分解检查发现柱塞座端面出现异常磨损。对故障加力泵转子部件进行分解,通过外观检查、磨损痕迹的宏微观特征观察、硬度和化学成分测试,对加力泵转子磨损故障的性质、原因及影响因素进行了探讨。结果表明：加力泵柱塞座端面与分油盘表面的磨损性质为磨粒磨损;加力泵转子部件磨损故障与材料质量、工作温度、外来异物、油料质量无关。综合分析认为,加力泵转子磨损与柱塞和分油盘的结构配合关系有关,即与两者之间的表面平面度、匹配面的平行度、配合间隙以及铅铟镀层厚度、均匀性和转子部件的同轴度等尺寸匹配性因素有关。     

振动成型机PLC控制系统故障检修实例

本文介绍了振动成型机PLC控制系统的几例故障检修。     

柔性铰链可倾瓦轴承不平衡响应的主动控制

在轴承转子系统中,为提高转子的旋转精度,对系统进行了主动控制。基于柔性铰链可倾瓦轴承建立了轴承转子系统轴心轨迹和轴瓦摆动的计算模型,在考虑系统惯性和非线性油膜力的基础上,计算了转子在不平衡响应下的非线性轴心轨迹和轴瓦的摆动规律,并提出了一种振动的主动控制方法。仿真计算结果表明,转子的不平衡载荷是转子产生周期性振动的重要因素。通过在轴瓦的瓦背施加力,控制轴瓦的摆动规律,可以抵消转子不平衡载荷引起的振动。通过主动控制,转子振动明显减弱,极大得提高了转子的旋转精度。     

基于FastICA去噪和改进HHT的转子不平衡故障特征提取方法研究

针对转子不平衡振动信号非平稳性并伴随较强环境噪声的特点，提出一种基于快速独立分量分析（FastICA）和改进希尔伯特-黄变换相结合的故障特征提取方法。该方法采用FastICA法去除环境噪声等因素对于故障特征提取精度的影响，再利用自适应白噪声总体平均模态分解方法将故障信号分解为一系列固有模态函数（IMF），并采用基于相似性评估的虚假IMF选择算法将与故障信息无关的虚假IMF分量剔除，从而保证故障信息提取的准确性和有效性。通过仿真分析证明了所提方法的有效性，并且实际试验表明：该方法可有效提取转子不平衡信号的故障特征，为该类故障的诊断提供了一种切实可行的方法。     

基于虚拟仪器的转子不平衡故障模拟及故障分析

使用转子试验台模拟转子不平衡故障,利用虚拟仪器系统采集故障信号,并对信号进行机理分析,采用LabVIEW软件分析了故障的时域图和频域图,将实验结果和理论分析相结合,验证了转子不平衡故障的识别特征.     

发动机压气机转子叶片裂纹分析

对发动机压气机转子叶片试验件裂纹进行失效分析。通过对故障叶片进行外观检查、断口分析、表面形貌检查、截面金相检查、材质分析及断口区域成分分析,并对叶片振动应力分布进行计算,确定叶片裂纹性质和产生原因。结果表明:故障压气机转子叶片裂纹为高周疲劳性质,导致叶片过早出现疲劳裂纹的主要原因是叶身表面振动应力最大区域抛光、喷丸效果差,存在原始机械加工痕迹;最后提出避免叶身表面残留原始机械加工痕迹的改进建议。     

小波变换及Hilbert-Huang变换在转子系统故障诊断中的应用

在故障诊断中,通常由于背景噪声较大,故障特征值常常淹没在噪声中不易识别.采用小波变换实现振动信号的信噪分离,提取淹没在噪声中的早期故障特征信息,并对提纯的信号进行经验模态分解(EMD)而得到若干个固有模态函数(IMF),同时求得相应的Hilbert时频谱及边际谱,从中可以判断非平稳信号的故障类型.理论分析及试验结果表明,按此方法得到的各固有模态函数突显了转子的故障特征信息,能有效诊断出转子的早期故障.     

基于小波包样本熵及GA-BP网络的旋转机械故障识别

针对旋转机械故障信号具有非线性、非平稳性特点,提出一种基于小波包样本熵及GA-BP网络的故障识别方法。首先对故障信号进行小波包分解,计算重构节点信号能量较大的前4个子频带振动信号的样本熵作为特征向量;然后将特征向量输入GA-BP网络模型进行故障类型识别,并且与传统BP网络作对比。实验结果表明:转子实验台不同故障信号的小波包样本熵不同,该方法对转子故障区别度更有效果,故障识别率明显提高。     

基于VMD_IWT近似熵与PSO_SVM的转子故障诊断

针对转子故障振动信号的非平稳性、非线性特征,提出了基于变分模态分解_改进小波阈值(VMD_IWT)近似熵与粒子群优化支持向量机(PSO_SVM)的转子故障诊断方法。首先对振动信号进行VMD分解,对分解后的各分量进行改进小波阈值处理;然后,提取降噪后信号的近似熵作为特征值组成特征向量;最后,将特征向量输入PSO_SVM进行故障分类识别。将该方法用于实际转子实验数据,并通过对比分析,分别证明了VMD、IWT和PSO_SVM方法的有效性,且文中所提方法的故障诊断准确率高达95%,证明该方法具有一定的实际应用价值。