螺杆泵转子在定子型腔中与定子型腔接触时包括圆弧段接触和直线段接触,不同的接触段转子的受力不同。建立了螺杆泵转子与定子型腔直线段接触的动力学模型,通过数值仿真,分析了转子转速对系统响应的影响规律。结果表明转子与定子型腔一直存在接触碰摩,随着转子转速的增加,转子回转中心的回转半径在一定范围内呈周期性变化。

碟式分离机工作转速常在一阶临界转速之上,当转子系统设计不合理时,运行过程中容易产生共振。基于DyRoBeS软件,建立某型碟式分离机的转子系统模型,通过改变支承刚度、支承跨距、悬臂长度等参数,探究其对碟式分离机动力学特性的影响。结果表明在一定范围内,轴系一阶临界转速与支承刚度、支承跨距呈正相关,而与悬臂长度呈负相关;轴系不平衡响应峰值与支承刚度、悬臂长度呈正相关,而与支承跨距呈负相关;轴系应力与三者均呈正相关。

针对传统算法难以准确提取强背景噪声下航空发动机转子系统微弱故障特征的问题,提出了变分非线性调频模态分解(VNCMD)结合Birge-Massart阈值降噪的航空发动机转子故障诊断方法。首先利用VNCMD对转子故障信号进行分解,根据峭度值及相关系数准则筛选有效信号分量,然后采用Birge-Massart阈值降噪方法对该信号分量进行降噪处理,最后对降噪后的信号进行包络解调,提取出转子故障特征信息。并通过对比经验模态分解(EMD)结合Birge-Massart阈值降噪的方法的实验结果,结果表明该方法能够有效提升转子系统故障信息提取能力,实现转子系统故障更有效的诊断。

提出一种基于自适应变分模态分解(Variational Mode Decomposition,VMD)与广义回归神经网络(Generalized Regression Neural Network,GRNN)的故障诊断方法,有效解决转子系统振动信号特征提取与复合故障模式识别的问题。首先通过VMD将采集到的原始信号自适应分解为一系列的内涵模态分量(Intrinsic Mode Functions,IMF),然后根据相关系数-峭度准则选取IMF分量进行信号重构。最后获取重构信号的精细复合多尺度散布熵(Refined Composite Multiscale Dispersion Entropy,RCMDE)、均方根以及重心频率构成特征向量集,输入到GRNN神经网络进行训练和故障模式识别。数值仿真与故障模拟实验结果表明:采用基于自适应VMD与GRNN神经网络的方法可有效识别转子系统中的多故障模式。

以十一柱塞高速轴向航空柱塞泵为研究对象,建立航空泵转子系统集中质量模型,采用传递矩阵法分析其临界转速;通过修正轴向支承位置等参数,研究其对系统临界转速的影响;最后,通过转子试验台完成对转子系统临界转速验证实验。针对实验模型,按照提出的方法进行建模,并采用传递矩阵法分析实验转子系统临界转速验证所用方法的正确性。

建立一个考虑碰摩力-油膜力耦合的单盘转子系统的动力学模型,推导出系统的量纲一化微分方程,运用四阶Runge-Kutta数值积分法进行数值计算,得到转子系统的分岔图、轴心轨迹图、Poincaré映射图、最大碰摩力分布图、时间历程图和频谱图,研究系统参数与动力学特征的关联关系,辨识出了转子系统的碰摩次数。结果表明:系统在油膜涡动、转盘与定子碰摩及油膜振荡的作用下产生了复杂的动力学行为;转盘阻尼的增加,能够提高系统的稳定性,减小转盘与定子的碰摩,使系统出现最佳的运行区域。

传统的信号处理方法难以对含噪混叠信号进行分析,给旋转机械的运行状况监测和故障诊断带来困难。为此,结合转子振动信号周期性强的特点,提出互相关稀疏分解方法。对仿真信号进行压缩传感,从而实现信号的降维。构造离散傅里叶字典,通过正交匹配追踪算法得出信号的稀疏表示。利用皮尔逊系数计算重构信号与原信号的相关性,选择最合适的稀疏度K完成对仿真信号的降噪重构。将稀疏系数与字典中对应的原子相乘,分离出仿真信号中不同的频率成分

为了通过监测电机定子电流来实现作用于转子系统正弦载荷的识别，提出了两种载荷定量的方法。方法一建立异步电机～转子系统机电耦合方程，由已知的三相电流求解方程得到了原载荷。方法二结合支持向量机和希尔伯特模量法，根据定子电流信息确定了作用在转子系统上正弦载荷的幅值和频率，进而还原出载荷。通过搭建的转子系统实验台，进行了载荷定量的实例识别，所得的结果验证了两种方法的有效性并根据识别结果分析了两种方法各自的优缺点。

针对一端支承松动的转子一滚动轴承系统,利用遗传算法对松动端的故障非线性参数进行识别.针对传统遗传算法的早熟收敛问题,提出了一种改进的遗传算法.通过适应度函数的构建,将参数识别问题转化为参数优化问题,改进了遗传算法中新一代种群的生成机制.父代种群进行交叉与变异操作后,并不直接产生新一代种群,而是取父代种群与生成的种群中适应度排序靠前的个体组成新一代种群.改进的遗传算法能以较大的变异率进行遗传进化,克制了遗传算法的早熟收敛问题,加快进化速度.用改进遗传算法识别了转子支承松动参数,并研究了变异率和噪声对识别结果的影响.研究表明,改进的方法能有效提高松动参数的识别效率,变异率最高可达 0.3 ,噪声不超过10%时能具有理想的识别精度.基于支承松动转子实验台的实测信号,利用改进遗传算法进行了参数识别,验证...

电机定子电流信号可以反应电机拖动系统中的扭矩波动情况,然而负载波动的特征频率易被工频所湮没。针对这一问题,提出小波阈值去噪、EEMD和互相关分析相结合的方法,该方法首先对电流信号进行小波阈值去噪的预处理以提高信噪比,然后对信号进行EEMD分解,利用互相关系数确定重构信号的IMF层数,以抑制工频及其谐波并突出特征频率。将该方法用于转子系统正弦扭矩激励的特征频率提取上,结果表明该方法能够有效的抑制工频及其谐波的干扰并提取负载扭矩的特征频率。