论文部分内容阅读
转子碰摩故障为航空发动机机械设备常发故障类型,且在追求大功率、高涵道比及超高速机械性能时,常把转子叶片与密封机匣、密封间隙等部位精简至最小,从而加剧了转子碰摩故障的发生,碰摩初期发动机系统振动强烈,随着碰摩故障的发生转子系统继发更加强烈的振动,对航空发动机的稳定运行带来极其不利的影响,如何从复杂的转子碰摩故障振动信号中合理提取并识别故障特征信息,一直以来是转子碰摩故障诊断领域的难点,为此本文提出了基于新型自适应时频分析方法傅里叶分解(Fourier Decomposition Method,FDM)算法的航空发动机转子碰摩故障诊断研究。FDM是基于傅里叶基的,在EMD理论基础上发展而来的,完备的、正交的和自适应的时频分析方法,具有局部性,能够实现非线性非平稳机械设备故障振动信号的有效分解,利用该方法对机匣单点-转子全周碰摩故障振动信号进行分解,并对分解后的信号分量进行Hilbert包络谱分析,成功提取出转子碰摩故障特征频率,并通过对比分析不同自适应时频分析方法转子碰摩故障诊断结果,验证基于FDM算法的转子碰摩故障诊断方法的有效性。为解决基于FDM算法的转子碰摩故障诊断方法无法实现故障特征信息时频分布范围自适应定位的问题,本文提出基于FDM和快速谱峭度算法的转子碰摩故障诊断方法,利用快速谱峭度算法在准确定位信号最大谱峭度分量频谱区域的优势,实现了转子碰摩特征信息分量所在频谱区域的精准定位,结果表明该方法能够高效提取转子碰摩故障特征频率,在完善基于FDM算法转子故障诊断方法的基础上,验证了该诊断方法的可靠性。基于信号相关性或冲击强度准则的故障诊断方法,无法有效规避故障振动信号包含的强噪声信号成份,为实现航空发动机转子碰摩故障的合理诊断,并达到高效降噪目的,提出了基于FDM和奇异值差分谱的碰摩故障诊断方法,通过FDM对故障振动信号进行完备分解,借助奇异值差分谱分析在零相位偏移信号分解方面的优势,在合理提取转子碰摩故障特征信息的同时,高效滤除故障诊断结果中包含的噪声信号,验证了基于FDM算法实现转子碰摩故障诊断的有效性。