利用转子故障耦合动力学系统模型识别油膜涡动下的碰摩故障

转子碰摩故障通常为不平衡、不对中以及油膜涡动等故障引发的二次故障,其信号通常具有周期、拟周期和混沌这3种复杂的非线性特征。本文针对油膜涡动下的转子碰摩故障诊断问题,建立了含不平衡、油膜涡动以及碰摩故障耦合动力学模型,利用数值仿真研究了转子系统在油膜涡动下的碰摩故障频谱特征,提取了反映耦合故障的特征信息。为了准确的对碰摩故障进行诊断,通过不断改变系统参数获取了包括各种状态下的耦合故障样本。最后构造了结构自适应神经网络,利用一半样本对神经网络进行训练,再用另一半样本对训练好的神经网络进行测试,识别率达到了94%以上。计算结果充分表明了本文方法对于识别油膜涡动和碰摩耦合故障的有效性。