论文部分内容阅读
本文以转子系统的碰摩故障为主要研究对象，研究了碰摩故障的动力学特性，并且建立了碰摩转子实验台，观察碰摩转子在不同参数下的非线性响应。在此基础上，本文进一步提出了基于模型和系统参数辨识的方法，来判断系统是否出现碰摩故障，如果系统发生碰摩，同时诊断出碰摩圆盘的位置。论文主要完成下列工作：
1.碰摩转子系统的动力学特性研究
在无故障线性转子系统的模型基础上，把碰摩力作为一个激励外力，从而建立多圆盘碰摩转子系统的运动微分方程。碰摩可以在不同位置上发生，并且可能同时在几个位置发生碰摩。采用四阶Runge-Kutta方法来求得碰摩的动力学响应，并分析了系统在碰摩发生后的振动特征。
2.转子碰摩的实验研究
建立了碰摩转子实验台，并且设计了一种可以模拟整周碰摩的机构。观察碰摩转子在系统参数如转速、不平衡量、转子数目、转子质量、轴的长度以及联轴器等发生变化时转子的振动情况，并分析碰摩发生时的振动特征，以及系统发生严重碰摩时出现的混沌和拟周期等现象，为碰摩的机理研究做一些实验上的验证，为实际的转子系统提供参考。
3.用动刚度方法进行碰摩位置辨识
提出了一种称为动刚度辨识的方法，它是在基于模型和系统参数辨识的方法基础上，可以只根据圆盘处的振动信号，在不停机的情况下，检测出是否有碰摩故障的发生，如果碰摩故障发生，还可以诊断出碰摩的位置。对获得的仿真数据和实验数据进行了辨识之后，得到了碰摩发生处的动刚度随碰摩的发展而不断增大，而其它位置的动刚度基本上保持不变的结论。
4.用遗传算法进行碰摩位置辨识
首先把碰摩位置作为故障参数，建立碰摩转子的有限元模型，然后通过Newmark法计算碰摩转子系统的响应，把模型的计算值与现场测量信号作比较，从而把参数辨识问题转化为优化问题，然后采用遗传算法搜索需辨识的参数。实验结果证明此方法有较高的效率和较好的精度。
5.用径向基函数进行非线性预测和故障分类
通过RBF神经网络对碰摩转子系统振动信号的非线性时间序列进行建模，并用正交前向回归方法实现了RBF神经网络的学习，对碰摩时间序列的下一步数值进行了预测。同时还利用RBF神经网络的分类功能，使用K-均值聚类算法对常见的几种旋转机械的故障如不平衡、碰摩、松动、裂纹和不对中进行了分类诊断。