具有呼吸裂紋的轉子動力學特征提取及預診方法研究.pdf

1、旋轉機械是現代化工業(yè)社會必不可少的裝備，對國民經濟的重要行業(yè)和航空航天等國防重點領域有極其重要的影響。旋轉設備一旦發(fā)生突然故障，設備的維修和非計劃停機所帶來的經濟損失和社會危害是巨大的。轉子裂紋故障是旋轉機械中最常見的故障形式之一，因此對裂紋轉子的故障性質和發(fā)展過程進行深入研究，并對裂紋轉子剩余壽命進行預測，從而采取相應的措施實現預防性維護，降低事故發(fā)生率和計劃外停機次數，對于保證系統(tǒng)實現高效、安全、平穩(wěn)、低成本運行具有重要的經濟價值和

2、社會意義。
　　本文針對具有橫向呼吸裂紋的Jeffcott轉子系統(tǒng)的故障特征提取、性能評價和剩余壽命預測等預診關鍵技術進行研究，提出了一種融合動力學分析、斷裂力學理論和基于數據驅動預測方法的裂紋轉子預診新途徑。
　　在對重力占主要作用的轉子系統(tǒng)裂紋呼吸變化過程分析的基礎上，利用獨立完整的數學函數對裂紋呼吸過程進行描述，建立了裂紋轉子系統(tǒng)的動力學模型，并對呼吸裂紋轉子系統(tǒng)特有的動力學行為進行了分析。研究了轉子在經過1/3和1/

3、2亞臨界轉速區(qū)時的振動位移、軸心軌跡隨轉速的變化規(guī)律，并利用Floquet理論對轉子的轉速、裂紋深度和阻尼等參數對系統(tǒng)周期運動穩(wěn)定性的影響進行了分析。針對裂紋轉子在經過1/3和1/2亞臨界轉速區(qū)時的振動響應，利用經驗模式分解（Empirical Mode Decomposition, EMD）法進行分解，提取特定高倍頻振動成分作為裂紋故障的典型特征，有助于深入理解轉子裂紋的變化規(guī)律，使特征提取具有明確的物理意義。在標準轉子實驗臺上對裂紋

4、轉子經過亞臨界轉速區(qū)時的軸心運動軌跡演化規(guī)律和特定高倍頻成分變化規(guī)律進行了實驗驗證。實驗結果與仿真分析結果一致，驗證了呼吸裂紋函數建模的正確性和基于EMD方法的裂紋故障特征提取方法的有效性。
　　在完成裂紋轉子動力學研究和特征提取之后，綜合考慮裂紋轉子動力學和斷裂力學理論信息，建立了基于BP神經網絡（Back-propagation Neural Network, BPNN）模型的性能評價模型。利用斷裂力學理論分析了裂紋產生和發(fā)展

5、的基本原理及過程，研究了裂紋尖端的應力強度因子理論及計算方法；建立了呼吸裂紋轉子系統(tǒng)的有限元模型，并將動力學響應與斷裂力學理論相結合求解出了在轉子旋轉過程中考慮裂紋面接觸問題的動態(tài)應力強度因子，研究了整周期內應力強度因子的變化規(guī)律，為進一步全面理解呼吸裂紋的特性提供了條件；在求得動態(tài)應力強度因子的變化幅度后，利用斷裂力學中經典的Paris裂紋擴展模型對特定裂紋深度的疲勞擴展壽命進行評估，作為性能評價的基礎；將由EMD方法所提取的1/3和

6、1/2亞臨界轉速下的特定高倍頻幅值及其均值作為神經網絡的聯(lián)合特征輸入，并將由疲勞劣化程度和疲勞擴展壽命得到性能值作為神經網絡的輸出，從而建立了綜合考慮動力學振動特征和斷裂力學信息的基于 BP神經網絡的性能評價模型，實現了振動特征與具有斷裂力學意義的性能值之間的非線性映射。
　　以所評價的性能為基礎，根據動態(tài)預測思想，分別建立了多尺度馬爾可夫剩余壽命動態(tài)預測模型和BP神經網絡剩余壽命動態(tài)預測模型，針對兩種模型各自的預測特性，最終建立

7、了基于多尺度馬爾可夫模型與BP神經網絡模型相結合的動態(tài)預測模型。通過對裂紋轉子的剩余壽命仿真驗證表明，本文所提出的混合預測模型具有良好的動態(tài)預測性能，是一種行之有效的預測方法。
　　本文以裂紋轉子動力學分析為基礎，結合斷裂力學理論從機理上認識故障產生、發(fā)展過程和表現特征，并采用智能方法實現了性能的評價和剩余壽命預測，最終提出了一種新的裂紋轉子故障預診途徑，將傳統(tǒng)的基于模型的劣化過程分析理論引入預診領域，為基于數據挖掘的預診技術在工