Mathematical Rotordynamic Model Regarding Excitation Due to Elliptical Shaft Journals in Electrical Motors Considering the Gyroscopic Effect

The paper presents a mathematical rotordynamic model regarding excitation due to elliptical shaft journals in sleeve bearings of electrical motors also considering the gyroscopic effect. For this kind of excitation, a mathematical rotordynamic model was developed considering the influence of the oil film stiffness and damping of the sleeve bearings, the stiffness of the end-shields and bearing housings, the stiffness of the rotor, the electromagnetic stiffness in the air gap of the electrical motor and the mass moment of inertia of the rotor and therefore also considering the gyroscopic effect. The solution of the linear differential equation system leads to the mathematical description of the absolute orbits of the shaft centre, the shaft journals and the bearing housings and to the relative orbits between the shaft journals and the bearing housings. Additionally, the bearing housing velocities can also be derived with this mathematical rotordynamic model.

基于HOG和TSO-SVM的水电机组轴心轨迹智能识别

水电机组的轴心轨迹能够反映机组不同的运行状态,为了提高轴心轨迹的识别率,准确判断机组运行状态,本文提出方向梯度直方图(Histogram of Oriented Gradient, HOG)结合由瞬态搜索优化(Transient Search Optimization, TSO)算法优化的支持向量机(Support Vector Machine, SVM)的方法。将轴心轨迹信号经改进小波阈值方法去噪后,生成轴心轨迹图像,之后提取图像HOG特征,经主成分分析(Principal Components Analysis, PCA)降维处理后,利用TSO-SVM对降维后的特征进行分类识别。结果表明所提方法能够很好地识别不同状态的轴心轨迹,具有识别准确率高和识别速度快的特点。

基于PSO-VMD和EWT的异步电机滑动轴承故障诊断

针对大型电机滑动轴承故障诊断困难的问题,提出基于频域积分、变分模态分解(Variational Mode Decomposition,VMD)和经验小波分解(Empirical Wavelet Transform,EWT)相结合的滑动轴承故障诊断方法。以实际故障电机轴承加速度信号为例,首先通过频域积分得到位移信号,分析位移信号的时域和频域特征可初步诊断出电机可能存在碰摩故障和不对中故障,但轴心轨迹图混乱,无法给出肯定结论;然后将经粒子群算法(Particle Swarm Optimization,PSO)优化的变分模态分解和小波阈值去噪相结合对原始位移信号进行去噪,通过经验小波变换得到位移信号的主要频率成分并进行重构,重新绘制轴心轨迹,分析表明经提纯得到的轴心轨迹清晰、特征明显,可以由此判断出电机存在碰摩-轴承不对中耦合故障。最后将该方法与聚类经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)等方法对比可以得出,采用该方法可以得到更清晰的轴心轨迹图,有助于实现电机滑动轴承的故障诊断。

混流泵起动过程转子轴心轨迹的试验研究

混流泵起动过程中的振动失稳严重威胁着泵机组的安全,研究起动过程中的轴心轨迹,可以全面、直观地反映瞬态效应对机组运行稳定性的影响,掌握非调节工况下转子的振动状态。基于本特利408数据采集系统,测量获得了起动加速过程中不同转速下转子的轴心轨迹图和时域图,分解提纯一倍频和二倍频轴心轨迹图及其时域图,解析起动过程不同转速下的频谱图。研究结果表明,加速过程中,一倍频轴心轨迹由长短轴相差不大的椭圆逐渐变为圆形,可以判断转子存在弓状回转涡动且涡动不断加剧;二倍频轴心轨迹由近似水平线段逐渐变化为水平方向扁平的椭圆,可以判断转子存在不对中现象且水平方向的振动不断加剧。结合瞬态外特性曲线,研究发现随着转速的逐渐增大,转子系统的瞬时水力冲击逐渐增大,转子不平衡量和径向偏移量逐渐增大,振动情况逐渐加重,当转速达到最大值时,轴系振动出现一个峰值并随转速稳定有所降低并逐渐趋于稳定。加速是引起轴系振动的主要原因,瞬态效应是影响振动故障恶化的重要因素。研究成果对于实时评估混流泵起动过程中的轴系运行状态、有效降低或防止振动故障的恶化具有重要的工程应用价值和理论指导作用。

基于仿射不变矩的轴心轨迹自动识别方法

讨论了仿射不变矩的原理,通过改进仿射不变矩的积分因子,保证了积分因子在仿射变换下的不变性,将仿射不变矩应用于水电机组轴心轨迹特征的提取.通过计算轴心轨迹的仿射不变矩作为特征向量,结合人工神经网络方法,提出了一种高效的轴心轨迹自动识别新方法.对3类典型的轴心轨迹的自动识别进行了仿真试验,并与Hu氏不变矩方法的识别效果进行对比.试验结果表明:采用仿射不变矩方法的轴心轨迹识别率达到95%,明显高于Hu氏不变矩的识别率,仿射不变矩具有比Hu氏不变矩更好的轴心轨迹识别能力.

基于粒子群算法与改进BP神经网络的水电机组轴心轨迹识别

在水电机组状态检修系统中,轴心轨迹是判断机组状态的一个重要特征。该文提出边缘检测和矩特征提取相结合的方法,利用粒子群寻优算法来获取与待识别样本最接近的已知样本,应用改进的BP神经网络进行识别,将轴心轴迹的不变性矩作为神经网络的特征参数,对几种典型的轴心轨迹进行了辨识。某水电站机组试验表明该方法识别速度快、精度高,具有较高的实用价值。

小波降噪在轴心轨迹特征提取中的应用

旋转机械的轴心轨迹包含着丰富的反映其运行状态的信息，但由于各种噪声的干扰，实测的轴心轨迹往往非常混乱，以致难以从中获得有用的信息．利用小波及小波包分解与重建以及小波变换模极大值随尺度变化时截然不同的性质来实现轴心轨迹消噪结果表明利用小波降噪提纯轴心轨迹，效果良好。

一种基于傅里叶描述子的轴心轨迹自动识别方法

傅里叶描述子是分析和识别物体形状的重要方法之一。文中详细讨论了傅里叶描述子的原理、不变性和实际应用方法;运用人工神经网络分析方法,以傅里叶描述子作为特征向量,对汽轮发电机组轴心轨迹的自动识别进行了探讨;并对3类典型的轴心轨迹的自动识别进行了仿真试验,结果表明该方法是有效、可行的。

突变扭矩激励下转子系统横振响应

针对细长轴的转子系统的特点,建立了突变扭矩激励下的转子系统动力学模型,对该模型进行了求解和仿真;分析了仿真得到的轴心位移的时域和频域波形。结果表明,在突变扭矩激励下转子系统的轴心位置发生偏移。偏移量随着扭矩增大而增大,轴心轨迹也受到影响。在受激励的初始阶段,轴心轨迹很不稳定。随着扭矩趋于稳定,轴心轨迹逐步趋于稳定。最后,建立了与仿真试验相同条件的试验台,试验验证了该理论推导的正确性。实测曲线与理论曲线的误差表明,联轴器的刚度对横向振动响应影响较大。

基于特征参数的旋转机械智能故障诊断方法

为了对轴心轨迹进行特征提取和自动识别,使用了分形维数中的盒维数、信息维数、关联维数3个参量来描述轴心轨迹的分形特征;还引入紧密度和丰度两个量,从几何方面对轴心轨迹进行分析;最后,采用神经网络技术对3种状态下的轴心轨迹进行分类识别。试验结果表明,通过对轴心轨迹的分形特征和几何特征联合对转子的运行状态进行评定,有良好的区分度。

旋转机械轴心轨迹特征提取技术研究

轴心轨迹是表征旋转机械运转状态的重要特征,目前轴心轨迹识别局限于人机对话模式,并且只对轴系故障进行初步识别,不能实现对故障细节的描述。针对这个问题,研究了轴心轨迹的自动识别方法,主要研究了轴心轨迹与转子故障严重程度的关系,提出通过特征定量化对同类故障的不同图形进行分类,引入交叉点和圆环数作为特征指标,并通过仿真分析,取得了良好效果。

基于混合蜂群算法特征参数同步优化支持向量机的水电机组轴心轨迹识别方法研究

在水电机组轴心轨迹识别研究中,为解决传统支持向量机方法中特征参数无法自适应选择而导致分类性能不高、计算时间过长等问题,提出混合人工蜜蜂群算法特征参数同步优化支持向量机(HABC-SVM)的轴心轨迹识别方法。将人工蜜蜂群算法引入到支持向量机识别优化模型的求解中,对人工蜜蜂群从搜索策略、蜜源编码、更新策略等方面进行了改进。通过仿真试验获取水电机组的四类典型轴心轨迹样本,对轴心轨迹中提取的19种特征参数和支持向量机参数进行了同步优化,将改进HABC算法与PSO-SVM算法和GA-SVM算法进行了对比。研究结果表明HABC-SVM具有良好的自适应性和分类精度,可以同步获取支持向量机参数和特征子集的最优解,增强分类器的性能,提高轴心轨迹模式识别的准确率,对水电机组的故障诊断工程应用有一定的指导意义。

轴心轨迹自动识别及其在旋机诊断中的应用

提出了一种基于Zernike不变矩特征和神经网络分类器的轴心轨迹自动识别方法。通过对原始Zernike矩特征进行二次提取和处理,获得了对轴心轨迹识别更为敏感的矩特征量,降低了后续神经网络分类器设计的难度。仿真研究表明,基于Zernike矩的轴心轨迹识别方法,其识别精度优于常用的几何矩方法。将所提方法应用于汽轮发电机组和高速离心压缩机组轴心轨迹的自动识别,并结合频谱能量分布特征进行故障诊断,结果表明,引入轴心轨迹特征可以有效地提高旋转机械故障诊断的精度。

利用轴心轨迹和有限元计算油膜压力

将轴心轨迹和有限元法相结合,并以某柴油机为例,根据轴心轨迹计算得到的结果,对轴瓦的油膜进行了有限元计算,分析了轴瓦上相同点处油膜压力随曲轴的旋转,轴颈与连杆相对运动情况下的压力变化,为分析轴瓦的油膜压力提供了一种新的方法,理论计算与分析的结论为分析轴承或轴瓦发生穴蚀破坏提供理论依据。

小波局部极大模方法在轴心轨迹辨识中的应用研究

提出了一种新的基于小波局部极大模的轴心轨迹辨识方法。该方法通过对轴心轨迹的θ-s曲线进行连续小波变换,提取小波局部极大模线,计算每条局部极大模线对应的Lipschitz指数α。最后用α为正的局部极大模线的条数、正α的平均值、α为负的局部极大模线的条数和负α的平均值等4个量作为轴心轨迹特征,并以这些特征量作为BP网络的输入进行分类识别。采用径向碰摩、联轴器不对中、油膜涡动和转子不平衡等4种故障的试验数据对该方法进行检验。结果表明,该方法有特征量少、神经网络的训练速度快和系统识别正确率高的优点。

偏微分方程在轴心轨迹提纯中的应用

转子轴心轨迹包含了丰富的故障征兆信息,但因噪声的干扰,实测的轴心轨迹往往非常混乱。针对传统轴心轨迹提纯方法存在的问题,提出了偏微分方程(partial diffetential equation)轴心轨迹提纯新方法。分析了PDE滤波的基本原理、PDE滤波器的参数设计及其数值化过程,指出了PDE滤波与传统滤波器的相关性,实现了基于PDE的轴心轨迹提纯。实验表明,PDE方法可有效滤除信号中的噪声,且适应性强;去噪之后信号畸变少,保证了滤波前后信号固有结构不变。

水轮发电机组轴心轨迹自动识别方法研究

本文提出了一种水轮发电机组轴心轨迹自动识别方法。这种方法根据水轮发电机组的特点 ,综合应用了小波去噪理论、平面图形不变矩理论、神经网络理论 ,实现了识别过程的自动化 ,大大方便了故障诊断系统的使用 ,提高故障诊断系统的自动诊断水平及准确率。

汽油机活塞销轴心轨迹计算及在故障诊断中的应用

采用汉氏法求解雷诺方程 ,计算出不稳定载荷下滑动轴承在不同偏心率和动力参数条件下的油膜无量纲承载力 ,并根据实测的发动机气缸压力计算出活塞销所承受的负荷。然后根据实际负荷与油膜承载力的平衡关系 ,计算出动载荷下每一时刻的油膜厚度 ,从而确定活塞销轴心在连杆小头铜套中的运动轨迹。计算结果表明 ,连杆在整个运行周期中 ,绝大部分时间承受压缩载荷 ,且压缩载荷远比拉伸载荷大。此结果可用于发动机活塞连杆组的结构设计与故障诊断中 ,并能对一些实际故障现象进行合理的理论解释。

基于LabVIEW的轴心轨迹故障自动识别系统

针对目前旋转机械故障诊断的计算量大、识别准确度不高、自动化程度低等问题,提出一种基于LabVIEW的轴心轨迹故障自动识别的新方法。对比小波与传统去噪算法,选用效果更优的小波提纯仿真轴心轨迹。通过改进的HU不变矩函数提取轴心轨迹的特征值,保证比例缩放不变性。两路相互垂直的位移传感器连接西门子LMS采集振动信号,结合关联度算法,在LabVIEW轴心轨迹故障自动识别系统上进行转子不对中故障测试,识别的结果与外8字轴心轨迹关联度高达97%,同时信号的Matlab时域轴心轨迹图为外8字,信号频谱图主要为一倍频和二倍频,均符合转子不对中故障特征。结果表明:该系统能够进行在线故障识别,为旋转机械的智能故障诊断提供参考依据。

动载滑动轴承轴心轨迹计算机模拟中 Holland 方法的改进

研究了动载滑动轴承的轴心轨迹计算机模拟中Ｈｏｌａｎｄ方法的改进，通过优化初值选取和合理控制偏位角变化率，采取奖惩法控制迭代步长，以加快模拟的实际运算和提高计算精度。