滚珠丝杠副动力学行为仿真及滚珠磨损故障特征信号研究

滚珠丝杠副作为精密机械和数控机床等装置中最常使用的传动元件,其工作状况的优劣直接影响着整套设备能否安全稳定运行。大多数针对滚动功能部件失效形式的研究主要集中于滚动轴承,而对滚珠丝杠副的失效演变机制却鲜有论述。以滚珠丝杠副为研究对象,建立由丝杠、滚珠、螺母等关键部件组成的滚珠丝杠副三维模型,运用ADAMS软件对滚珠丝杠副进行动力学行为仿真分析以及故障特征信号研究,分析滚珠丝杠正常运行及滚珠磨损故障状态下的特征信号变化规律,最后通过对比试验值与理论值验证所提方法的有效性。结果表明:随着滚珠表面擦伤缺陷扩展,丝杠副产生的振动变得更加剧烈,频谱尖峰幅值明显增大;试验所得结果与理论值相对误差为4.67%,证明了仿真分析的准确性。

Research on gas leakage through suction valves of reciprocating compressor under varying load conditions

A research concerning the coupling conditions of gas leakage through suction valves and capacity regulation is performed in an industrial reciprocating compressor.Both internal flow and thermodynamic characteristic are discussed in detail.The results show that the capacity of compressor can be regulated steplessly by controlling suction valve closure moment.And then the quantitative relationship between the capacity load and the closing angle of suction valve is revealed.The capacity load and valve leakage rate show obvious different features in P-V diagrams,which makes it easier to define appropriate features for detecting cracked or broken reciprocating compressor valves under varying load conditions.A set of curves of compression work and discharge gas mass are obtained and a method for rating thermal performance of a compressor is presented using these curves.

基于IMS聚类算法的柴油发动机故障诊断方法研究

将IMS聚类算法引入柴油发动机故障诊断中,首先对柴油机各工况振动信号进行特征提取,之后对提取的信号特征进行选择;最后建立IMS聚类算法模型,将提取到的特征量作为该模型的输入参数,实现发动机故障的智能诊断。试验研究在一台V6涡轮增压柴油发动机上进行,以获取训练和验证IMS聚类算法模型的数据。经过数据验证,该模型对于故障的判断全部正确。当前的研究为柴油发动机故障的诊断提出了一个新的检测途径。

小样本下基于迁移学习的轴承状态识别方法

传统的基于机器学习的滚动轴承状态识别方法需要满足两个前提条件,即目标数据量充足、训练数据和测试数据分布相同。然而在实际工程中,滚动轴承的工作环境非常复杂,无法满足上述条件。为了解决上述问题,提出一种基于加权混合核迁移成分分析(Weighted Mixed Kernel Transfer Component Analysis,WKTCA)的栈式自编码(Stacked Auto-Encoder,SAE)神经网络的轴承状态识别方法,用于目标数据不足时滚动轴承的状态识别。该方法引入源域数据,利用迁移成分分析(Transfer Component Analysis,TCA)理论构造加权混合核函数,将源域数据与目标域数据映射到同一特征空间进而实现迁移学习(Transfer learning,TL);进一步将特征值输入到具有分类功能的SAE神经网络进行特征自学习和轴承状态识别。对比分析不同数量的目标数据对轴承状态识别准确率的影响,实验结果表明,WKTCA算法可明显缩小目标域数据与源域数据的分布差异,并实现小样本下轴承状态的准确识别。

阶次跟踪能量算子与奇异值分解结合的滚动轴承故障诊断

针对滚动轴承变速过程中振动信号非平稳,早期故障特征微弱的特点,将阶次跟踪与能量算子(EO)相结合,提出阶次跟踪能量算子(OTEO)与奇异值分解(SVD)结合的轴承故障诊断方法。首先,对时域振动信号进行SVD以降低噪声干扰;然后,对降噪后的信号进行OTEO解调分析,即对信号先进行EO解调再对包络信号进行阶次跟踪;最后,采用Fourier变换做出包络阶次谱,从中提取出滚动轴承故障特征阶次。试验结果验证了该方法对于滚动轴承故障特征提取的有效性。

支承非对称对双转子系统动力特性的影响规律

支承刚度非对称广泛存在于转子支承系统中,然而非对称支承对工程中双转子系统动力特性的复杂影响规律尚不明确。为此,以典型发动机同向转动的双转子支承系统为研究对象,根据该发动机薄壁柔性机匣支承的特点,提出支承非对称系数指标,研究了支承非对称存在与否及其变化对双转子支承系统临界转速、稳态不平衡响应、进动方向及进动轨迹的影响。研究发现:支承非对称的存在会导致与之相关的振型所对应的正进动临界转速增大、反进动临界转速减小;部分支点在反进动临界转速附近出现响应峰值并且伴随着进动平面内振动相位的变化;转子进动更为复杂,同一个转子上正反进动同时出现,转子特定节点的进动轨迹也会随转速产生较为复杂的变化;进一步研究发现,非对称系数的增大会使得出现反进动的转速和位置区域总体增大,但在特定转速或特定位置反进动区域也可能变小;所得规律可为发动机双转子系统复杂支承条件下的动力学设计及特殊振动现象产生原因阐释提供参考。

基于特征增强倒频谱分析的齿轮故障诊断方法

齿轮发生故障后,由于采集到的振动信号同时包含故障冲击、确定性啮合信号及噪声等多种信号,同时,各种信号还会受传递路径的影响,使得齿轮故障特征提取难度较大。倒频谱分析是常见的齿轮故障诊断方法,能将边频带中的周期成分显示为单根谱线,有助于故障诊断,但当故障特征信号较微弱时,倒频谱中得到的故障特征并不明显。为此,提出一种特征增强倒频谱分析方法,利用最小熵解卷积、自回归线性预测和小波去噪3种特征增强方法,逐步增强齿轮振动信号中的故障冲击特征,再利用倒频谱进行故障特征提取。通过实验,验证了所提方法的有效性。

转子支承系统临界转速概率分析的随机响应面法

为分析不确定因素影响下转子系统临界转速的概率分布规律,提出一种基于随机响应面的转子支承系统临界转速概率分析方法。该方法从临界转速与转子系统力学不确定参数的隐式函数关系入手,使用临界转速的随机响应面替代Campbell图,避开了使用Campbell图直接进行临界转速概率分析的困难。对典型双转子支承系统临界转速概率分析验证了该方法的准确性和高效性。

基于VMD和SVD的柴油机气门间隙异常特征提取研究

为有效地从柴油机缸盖表面振动信号中提取气门间隙故障特征,提出一种基于变分模态分解(VMD)和奇异值分解(SVD)的特征提取新方法。采用VMD算法对缸盖振动信号进行分解,利用所得的模态分量构建特征矩阵;接着应用SVD理论将特征矩阵转变为表征频率特性的奇异值序列,探讨了稳定工况下的奇异值序列与不同气门间隙状态之间的关系;由于转速、负荷等工况的改变对信号特征层的影响与故障所引起的信号特征的改变可能非常相似,因此将奇异值序列作为特征参数,输入到随机森林分类器中,构建分类模型,对柴油机变工况下的气门间隙故障进行诊断。实验结果表明:该方法能有效识别气门间隙故障,突出故障敏感特征;与传统基于Hankel矩阵和小波包系数矩阵的SVD特征提取方法相比,该方法所提特征参数在柴油机变工况条件下具有更高的识别率。

基于能量算子梯度邻域特征提取的核电应急柴油发电机组故障诊断方法

气门间隙故障作为应急柴油发电机组(EDG)的典型故障,容易导致性能下降、机械故障等,传统人工拆盖检查气门间隙的方式费时费力。利用Teager能量算子的瞬态振动识别能力,结合振动冲击能量变化规律,提出了一种基于能量算子梯度邻域的振动冲击始点自适应精确提取的EDG气门间隙故障在线诊断方法,该方法的故障识别参考阈值为EDG设计参数。在一台12缸V型柴油机上进行实验验证,结果表明该方法能够有效诊断气门故障,同时具备追踪气门间隙的能力。研究成果为EDG在线监测诊断提供了新途径。

轴承周期冲击激励下发动机薄壁支承结构响应机理研究

燃气涡轮发动机轴承故障频发,然而,轴承故障信号经过复杂的薄壁结构传至机匣表面衰减严重,致使基于振动信号分析的轴承故障诊断难度增大。为此,从轴承故障特征产生机理出发,在薄壁支承系统固有特性分析的基础上,基于周期冲击激励与振动响应时频域关联分析,阐释了轴承冲击激励下,复杂薄壁支承结构测点的响应特征。相关结论可以为基于共振解调的轴承故障诊断提供参考,对具有薄壁支承结构的燃气轮机轴承故障预警或诊断有一定的参考价值。

面向燃机多工况宽频域工作模态参数识别的随机子空间方法

面向燃气轮机工作状态下多工况、宽频域模态参数识别需求,在对典型燃机整机振动模态分析的基础上,虑及测试数据类型、测点位置与方向的选取及不同运行工况影响,提出一种针对燃机整机工作模态参数识别的随机子空间方法。基于实测振动数据,对典型燃机工作模态参数进行了自动划分识别。结果表明:通过分别控制行块数,充分挖掘位移、速度、加速度三种类型数据包含的不同频段模态参数信息并对识别结果择优合并,能够较好识别出数十倍于燃机工频的宽频域模态;合理选取测点位置和方向,能够得到关心频段内局部或整体模态;利用多转速运行工况数据,能够区分出受转速影响的整体模态。实现了对燃机整机振动宽频域范围内整体和局部模态、机匣和转子模态的识别,可为在此基础上的动力特性分析、整机动力学模型修正、结构振动状态评估、振动故障特征提取等提供支撑。

基于补偿距离评估和一维卷积神经网络的离心泵故障快速智能识别方法

一维卷积神经网络可适用于振动等一维信号的识别与分类,但将其直接应用于机械故障诊断时小样本训练条件下的识别准确率与识别速度是其亟需解决的问题。针对上述问题,提出一种基于补偿距离评估和一维卷积神经网络的离心泵故障快速智能识别方法。基于离心泵振动分析与故障诊断理论,通过提取时域、频域、能量及熵特征来构造混合域全特征集,充分挖掘训练样本中的故障信息,提高单个训练样本的利用率,使故障识别模型具备小样本训练的能力;通过补偿距离评估方法对全特征集进行降维优化,在有效保留故障特征信息的同时显著降低特征维度,使特征构造及故障识别模型具备快速计算的能力;通过训练样本的降维后特征进行一维卷积神经网络的训练,进而构建故障智能识别模型,保存模型并将其用于离心泵故障分析。经某石化离心泵的抽空和滚动轴承损伤两个故障案例验证,该方法在小样本训练条件下识别准确率达到98%以上,单组数据识别时间小于3 s,可满足工程中离心泵故障实时智能识别的需求。

某型柴油机凸轮轴断裂故障监测预警技术研究

基于动力学模型仿真分析揭示凸轮轴断裂故障的发生机理,并且借助振动数据的挖掘分析故障的特征信号,开展基于模型和数据驱动的柴油机凸轮轴断裂故障监测预警技术研究,并通过实际工程案例验证了结论的正确性。研究结果表明:柴油机的凸轮轴第1轴肩与第2缸、第4缸、第6缸缸盖附近为薄弱位置,凸轮轴在满功率高转速的工况下易在这些位置发生断裂。凸轮轴断裂故障发生前,柴油机正时异常,位于前端盖的振动加速度信号轴向明显大于径向,故障临近处的缸盖振动加速度明显大于其他位置。

往复压缩机流量调节装置不同运动规律下三维流场仿真研究

针对流量调节装置改变吸气阀阀片运动规律,进而造成往复压缩机内部流场复杂多变的问题,采用基于CFD的流体分析软件FLUENT对往复压缩机三维模型在不同流量调节装置背压、复位弹簧刚度工况下进行内部流场仿真模拟,从而得到运动部件运动规律、压缩机内部动态压力及压缩机示功图等。研究结果表明,不同流量调节装置影响往复压缩机吸气阀撤回动作及其负荷调控效果。随着流量调节装置背压的增加,造成吸气阀阀片撤回冲击下降,同时负荷调控偏差从0.42%增大至5.31%;而复位弹簧刚度的增加,引起负荷调控偏差从11.11%下降至0.75%的同时,增加了阀片的撤回冲击。基于仿真过程及仿真结果,提出了流量调节装置优化设计方案,可为不同往复压缩机流量调节装置参数优化提供依据。

燃气轮机压气机动叶片断裂故障振动特征及其诊断方法

动叶片断裂是燃气轮机的主要故障模式之一,研究叶片断裂故障的振动特征及诊断方法对保障燃气轮机安全可靠运行至关重要。基于叶片尾流激振力产生机理,研究了燃气轮机叶片振动响应传递路径及尾流激振力变化规律,构建了静子叶片振动响应模型,推导了转子叶片断裂后振动响应的变化规律。基于叶片通过频率及工频振动分量的响应特征,提出了基于改进启发式分割算法(IHSA)的叶片断裂故障识别方法,可实现叶片断裂的故障类型判断与及时告警。进一步根据振动响应特征及实际燃气轮机运行控制原理,构造了叶片断裂位置识别因子γ,通过同一转子上各级叶片γ值的对比可实现断裂位置的辨识。结合故障识别方法与断裂位置辨识方法,提出了一种燃气轮机压气机动叶片断裂故障的诊断方法。某型燃气轮机故障案例分析证实了振动特征与诊断方法在工程应用中的有效性。

一种基于流形学习和KNN算法的柴油机工况识别方法

不同负荷状态下的柴油机振动、温度、转速等信号显著不同,而机组故障信号特征往往被淹没在随负荷变化而剧烈变化的信号中,因此变负荷状态下的柴油机故障监测诊断难度较大,一直困扰着柴油机的实际故障诊断工作。提出一种基于流形学习和KNN算法的柴油机工况识别方法,为柴油机变负荷工况下故障监测预警打下基础。方法融合机组的多源信号特征构建特征向量,通过流形学习t-分布邻域嵌入算法(t-SNE)实现特征向量的维数约简和敏感特征提取,采用K最近邻分类算法(KNN)完成柴油机运行负荷状态的自动分类。正常及故障状态下多组柴油机监测数据的处理结果验证了方法的有效性和实用性。

基于振动监测的应急柴油机启动性能分析方法

提出了一种基于振动监测的应急柴油机启动性能分析方法,弥补当前仅基于热工参数进行分析的不足。基于键相和瞬时转速实现振动信号的准确整周期角域转化。提出了一种光滑程度可调的瞬态振动信号包络线提取方法,在应急柴油机启动过程的连续工作周期中,获得能够表征点火燃烧状态、高压启动空气冲气工作状态的特征参数,为分析机组启动特性与工作状态打下基础,并采用灰色评价法对单次启动中单缸做功能力进行了监测评估。核电现场实际测试结果验证了该方法对应急柴油机启动性能分析的有效性及推广应用的实用价值。

基于动力学仿真的柴油机轴系不对中故障探究

针对柴油机轴系齿式联轴器不对中故障,首先建立齿式联轴器轴向摩擦力数学模型,分析不对中产生的轴向摩擦力特点,然后构建包括齿式联轴器在内的轴系动力学仿真模型,探究齿式联轴器不对中故障下曲轴的动力学行为规律,分析曲轴推力轴承及齿轮的受力变化。仿真结果表明:不对中的齿式联轴器外齿元件会对内齿套产生轴向摩擦力,由此影响曲轴轴向窜动,进而导致曲轴止推轴承和正时齿轮轮齿接触力发生改变。通过实际故障案例验证了仿真结果的正确性。本文结论可为柴油机轴系故障的排查和诊断提供机理依据。

基于CART决策树的柴油机故障诊断方法研究

采用一种自适应局部有效值(RMS)计算方法提取柴油机缸盖振动信号时域特征,结合分类回归树(CART)算法建立故障分类模型并进行柴油机的状态识别。通过实验获取柴油机失火和撞缸两种故障工况及正常工况下的振动数据,计算出原始信号的局部RMS后,根据自适应阈值确定点火冲击区域和非点火上止点冲击区域提取局部特征,最后将特征输入CART算法中构建分类模型来验证所提取特征的有效性。结果表明:柴油机在3种状态下的识别率均达到100%,基于CART算法和局部特征提取的方法能够有效诊断柴油机故障。