DHSI筛选奇异值分量在齿轮故障诊断中的应用

为有效剥离传动系统齿轮故障信号中的噪声成分,提出基于差分谐波显著指数(Differential Harmonic Significance Index,DHSI)筛选奇异值分量的齿轮故障诊断方法。该方法首先对原始信号构造Hankel矩阵,并对该矩阵进行奇异值分解,然后利用提出的一种新的奇异值突变位置判别指数,即奇异分量的差分谐波显著指数筛选奇异值的个数,并由这些奇异值分量重构信号,得到故障信号的包络谱。应用该方法分析齿轮故障仿真信号以及某型直升机传动系统并车级齿轮掉块故障信号,与基于奇异值差分谱的奇异值分量筛选结果对比表明,基于差分谐波显著指数的奇异值分量筛选能够更好地消除噪声并提取齿轮振动信号中的故障特征。

砂粒粒径对航空涡轴发动机压气机叶片冲蚀磨损的影响研究

高原、沙漠和沿海等服役环境中不同粒径的砂粒不可避免地对涡轴发动机压气机叶片造成冲蚀磨损,破坏叶片叶型和动力学特性,严重危及涡轴发动机使用寿命和直升机飞行安全。基于Finnie冲蚀磨损理论推导了颗粒对金属表面的磨损率表达式,分析颗粒粒径对材料冲蚀磨损率的影响,以某型涡轴发动机压气机动叶和静叶为研究对象,设计搭建砂粒冲击速度测试装置和钛合金冲蚀磨损实验装置,通过典型砂粒粒径下冲蚀磨损实验获取磨损率表达式中与靶材材料和冲击速度相关的关键参数,结合气固两相流动力学分析开展砂粒粒径对压气机动叶和静叶冲蚀磨损的影响研究。结果表明:砂粒粒径与冲击速度存在内在关联,材料冲蚀磨损率与砂粒冲击速度呈幂函数关系。实验条件下,砂粒粒径由177μm增至423μm时,其冲击速度平均降低约17%。压气机动叶和静叶的磨损集中区域不随砂粒粒径的改变而变化,但磨损程度差异明显,其中177μm砂粒对动叶和静叶造成的最大冲蚀磨损率浓度值相比423μm砂粒分别增加91%和131%。研究结果为涡轴发动机压气机叶片抗磨损设计提供了理论参考。

基于局部均值分解的齿轮振动信号分析与研究

齿轮振动信号常表现出明显的非线性和非平稳特征。为有效提取齿轮振动信号的特征信息,将自适应信号分解方法——局部均值分解用于齿轮振动信号的分析。使用局部均值分解对三种状态的齿轮振动信号进行分解,得到一组PF分量,并对PF分量进行频谱分析。分析结果表明,局部均值分解完成了对齿轮振动信号的有效分解,各PF分量的幅值谱获得了不同状态齿轮振动信号的特征谱线,实现了对齿轮状态特征的准确提取。

离心叶轮高速旋转叶片振动测量与特性分析

为了解离心叶轮高速旋转叶片的振动特性,对其进行振动应力测量与叶尖振幅测量,并将两种方法的测量结果进行对比分析。在介绍振动应力测量与叶尖振幅测量基本原理及数据处理方法的基础上,对离心叶轮高速旋转叶片进行了振动测量与分析。分析结果表明,两种方法均能有效识别叶片的5个共振转速区以及相应的激励源(转速的4,8和17倍频)。振动应力测量与叶尖振幅测量识别的叶片最大共振转速差异为0.56%,识别的叶片最大共振频率差异为1.78%。以振动应力测量结果为参考,验证了叶尖振幅测量结果的准确性和有效性。

IITD算法在滑油管路模态参数辨识中的应用

将端点延拓引入本征时间尺度分解(ITD)中用于改进其端点效应,并将改进的ITD法(IITD)用于结构模态参数识别,提出了基于IITD的模态参数识别方法(IITD-MPI).将IITD-MPI用于位移仿真信号和滑油管路测频信号的模态参数识别研究.研究结果表明,对于位移仿真信号而言,与理论值相比,IITD-MPI法辨识的模态固有频率最大误差小于0.6%,阻尼比最大误差为1%.对于滑油管路测频信号而言,IITD-MPI法辨识的模态固有频率与测试模态频率相比,差别在0.15%以内,其辨识的阻尼比与半功率带宽法识别的阻尼比差别不大于3%.由此,验证了IITD-MPI法的有效性和实用性.

柔性转子无试重模态动平衡测试系统

针对传统柔性转子动平衡方法需要多次添加试重、多次启动而导致平衡效率低、安全性无法保证的问题,提出了一种高速柔性转子无试重模态动平衡方法。该方法借助有限元软件计算得到转子的模态特征,结合测量得到的振动信息,计算出平衡配重的大小和相位。为了将此方法应用于工程实际,研制了一套柔性转子无试重模态动平衡软、硬件测试系统。将该系统与国外同类先进测试设备SIRIUS对比,两者之间的相位测量误差为2.376°。转速计量表明,该测试系统的转速测量范围为0～60kr/min,最大测量误差为10%。应用该系统对跨二阶双盘柔性转子实施了无试重动平衡试验,平衡后一阶振幅下降60.6%,二阶振幅下降74%。试验结果表明,所研制的无试重模态动平衡系统可有效应用于高速柔性转子的动平衡,提高平衡效率和安全性。

基于包络切片谱和时频谱的轴承故障诊断

为了有效提取轴承故障信号的故障特征以及更好地显示其时频特性,提出了基于局部均值分解(LMD)的包络切片谱分析及时频分布方法。首先,使用LMD对轴承故障信号进行分解得到一组PF分量。然后,对各PF分量的包络信号(瞬时幅值)进行切片谱分析。同时,由PF分量的瞬时频率和瞬时幅值获得各PF分量的时频分布。实测轴承故障信号的LMD包络切片谱分析及时频分布结果表明,LMD包络切片谱可准确获得内圈故障轴承和外圈故障轴承的故障特征频率,LMD时频分布可更直观地显示轴承故障信号的时变瞬时特性,可用于辨别轴承的故障形式。

齿轮剥落故障信号的LMD包络谱分析

齿轮剥落故障是常见的齿轮故障形式。为了对齿轮剥落故障特征进行分析,提出了一种利用局部均值分解(LMD)结合包络谱分析的频谱分析方法。为了进行对比,使用该方法分别对正常齿轮和剥落故障齿轮的振动信号进行了分析。分析结果表明,正常齿轮振动信号各乘积函数(PF)分量的幅值谱和包络谱主要包含齿轮的啮合频率及其倍频、大齿轮转频及其倍频成分。剥落故障齿轮振动信号各PF分量的幅值谱和包络谱除了包含上述正常齿轮振动信号的特征谱线外,还包含大齿轮转频的倍频对齿轮啮合频率及倍频的调制频率成分。