故障转子振幅突变机理及其预测

转子故障激励振动状态突变是一种典型的非线性动力学行为，可能导致机械突发性故障。基于线性振动理论的机械故障诊断方法对此不能作出定性或定量的描述、诊断和预测。本文基于非线性振动理论，用尖点突变模型描述这一故障现象，导出了转子在故障激励下振动幅值出现突变的条件，并在此基础上提出一种定量预测的技术方案。图２，参７。     

转子系统故障发展过程的突变

介绍了突变故障的几何描述与突变特征,分析了机械系统故障发生的机理,采用非线性理论与突变理论,对突变故障和系统振动状态突变进行了数学描述·建立了分岔集方程,由分岔集方程得出了振幅产生突变的临界值,当激励幅值越过该临界值时,会导致振动状态突变,而诱发机械系统的突发性故障,故其临界值可用来诊断与预测机械系统的突变现象,以便采取有效措施来限制故障的发生和发展·     

转子系统动静件径向摩擦的振动特征

动静件碰摩是旋转机械中较常见且难以确诊的一类故障．本文分析了具有线性支承和非线性刚度转轴的Ｊｅｆｃｏｔ转子系统发生动静件径向接触摩擦时的振动特征,揭示了其多吸引子共存、拟周期振动、次谐波振动以及分叉等非线性动力行为,得出的结论有助于旋转机械摩擦类故障的准确诊断．图６、参９．     

在能量空间中实现非线性双转子系统的碰摩振动机理表征

碰摩是转子系统发生失稳的一个重要原因。在碰摩故障发生时,转子与机壳随时间的推移在碰撞和脱离等状态间变化,容易产生能量交换,并引发复杂的振动现象。通过构建带碰摩故障的非线性双转子系统模型及动力学方程,采用龙格-库塔法进行数值仿真,在相空间中分析系统的非线性振动特性。在振动能量空间中使用非线性能量供给函数模拟碰摩故障发生后系统的转子振动能量变化,利用振动能量轨道的迁移表征碰摩振动机理。研究结果更好地揭示了非线性双转子系统发生碰摩故障后的碰摩振动机理,提出的方法为双转子系统的振动机理分析提供了新的视角。     

关于机械系统突发性故障的若干思考

分析了机械系统渐发性故障和突发性故障的不同的数学内涵,从非线性动力学角度说明了导致突发性故障的两种机制,论述了突变理论用于突发性故障描述的可能性及应用方式．建立了动静件径向摩擦转子系统振动状态突变的数学模型．为机械系统突发性故障的阐释、描述、诊断与预测提供依据．     

双馈异步风力发电机转子匝间短路故障振动特性分析

针对双馈异步风力发电机转子匝间短路的故障振动机理尚不明确且无法为故障诊断提供理论依据的问题,开展了双馈异步风力发电机转子匝间短路故障振动特性分析.首先,结合有限元仿真及解析推导,分析转子匝间短路下双馈异步风力发电机的气隙磁密规律,得到转子所受的不平衡磁拉力;然后,考虑转子不平衡磁拉力的情况下构建双馈异步风力发电机转子-轴承系统非线性动力学模型,利用非线性动力学仿真获取转子匝间短路故障下系统的振动仿真信号;最后,在双馈异步风力发电机故障模拟实验台上进行转子匝间短路故障实验,利用实验分析验证非线性动力学仿真结果的有效性.非线性动力学仿真及实验分析结果均表明,转子匝间短路故障下双馈异步风力发电机转子-轴承系统振动信号的频谱存在转频的谐波成分,通过检测转频的谐波分量可诊断双馈异步风力发电机转子匝间短路故障,有效揭示了双馈异步风力发电机转子匝间短路的故障振动机理.     

转子不对中故障的振动特性和试验

本文从动力学角度研究具有凸缘联轴节的转子不对中故障的机理。列出轴振动的运动微分方程。得到的方程是参数激励和强迫激励联合作用。应用非线性振动的理论,用傅里叶展开求得其稳态响应,得到不同于以往中外有关文献的结果。本文在文[1]的基础上,作了充实和修改,做了转子不对中的人为故障试验。试验结果与理论分析基本相符。     

裂纹叶片转子的故障特性及其诊断

本文从裂纹叶片转子的动平衡、振动调制、近声场噪声及转子转速分析着手,论述了故障的动力学机理,并以排风机单叶片裂纹故障的形成与扩展为实例,进行故障特征的实验研究。理论和实验研究表明:叶片机械如风机之类可通过多参量特征监测对早期和严重的裂纹故障进行诊断。     

关于机械系统突发性故障的若干思考

分析了机械系统渐发性故障和突发生故障的不同的数学内涵，从非线性动力学角度说明了导致突发性故障的两种机制，论述了突变理论用于突发生故障描述的可能性及应用方式。建立了动静件径向磨擦转子系统振动状态突变的数学模型。为机械系统突发性故障的简释，描述，诊断与预测提供依据。     

周期图分析在齿轮传动系统故障诊断中的应用

本文对齿轮磨损故障产生系统振动的机理进行了分析,并对齿轮传动系统轴承座的振动利用周期图分析方法来诊断齿轮故障。     

一种基于粗糙集理论的设备故障诊断方法

粗糙集理论是一种处理模糊和不确定知识的数学工具。本文根据粗糙集理论,对设备的振动故障诊断决策表进行属性约简,以提取故障识别的重要属性,降低决策表的冗余性。分析表明,粗糙集理论应用于故障诊断可得到更清晰、简明的诊断规则。     

全息力谱分解技术研究

基于转子动力学理论 ,对传统全息谱故障诊断技术进行改进 ,提出了全息力谱分解技术 ,以进一步满足利用全息谱技术对机组运行状态中的高频分量信息进行更直观、有效描述的目的 ,从而为机组高频故障的早期捕捉提供了有效的手段 .为证明该方法的合理性和实用性 ,从理论及现场试验两个角度对其进行了详细的理论推导和试验验证 .     

基于声卡的乳化液泵故障诊断系统

通过分析乳化液泵排、吸液阀振动产生的机理设计了泵的振动信号测试系统和泵的故障诊断软件。测试系统采用PC计算机、电涡传感器,声卡,建立了乳化液泵振动信号的信号采集系统并对测点的安放进行了说明。用声卡成功地代替了一般的数据采集卡来采集振动信号,有效的降低了整个测试系统的成本。乳化液泵故障诊断系统软件主要包括主调度模块、功能模块组、人工神经网络程序包和数据库等部分。主调度模块主要控制和协调诊断系统其它部分的工作。诊断系统软件的在线故障诊断功能、事后故障诊断功能、人工神经网络的训练以及其它工具的功能都是通过它调用相应的功能模块或子程序来实现的。中心数据库是为整个乳化液泵状态监测与故障诊断系统服务其主要功能是存储各种过程参数和故障诊断参数。     

基于多方法结合应用的齿轮箱故障特征提取研究

基于振动信号分析的齿轮箱故障诊断的关键是实现对信号中故障特征的提取.由于在工程实际中采集到的齿轮箱振动信号含有较强的噪声干扰,所以单一的信号分析方法难以实现对故障特征的提取.因此将两种或两种以上方法相结合应用于齿轮箱振动信号的处理成为当前的研究趋势.为研究将不同方法相结合应用于齿轮箱故障信号特征提取的优势,对大量文献的研究成果进行了归纳整理.综合分析发现:将多种方法结合应用于齿轮箱振动信号特征提取,可有效避免单一方法的局限性,充分发挥不同方法的优势.总结了在齿轮箱故障诊断领域中分别以频谱分析为基础和以非线性理论为基础的将不同信号处理方法结合应用于齿轮箱故障特征提取的现状,最后针对多种方法结合应用于齿轮箱故障诊断的发展趋势提出了建议.     

基于证据理论和支持向量机的风机故障智能诊断

为了提高风机故障的诊断精度, 提出一种证据理论和支持向量机相融合的风机故障识别方法. 首先从振动信号中提取Wigner-Ville谱熵作为风机故障诊断特征; 然后采用不同核函数支持向量机进行训练, 建立风机故障诊断的子分类器; 最后采用DS证据理论对子分类器的输出结果进行融合, 并对其性能进行仿真测试. 实验结果表明, 该方法可以充分利用全部故障信息, 诊断结果更接近期望值, 诊断效果优于其他风机故障诊断方法.     

基于分形和神经网络的柴油机振动诊断方法

提出了一种基于分形理论和神经网络技术的柴油机振动诊断方法,首先对柴油机的振动信号进行小波降噪,然后提取相应的不同迭代阶数的广义分形维数,并将其作为RBF神经网络的输人参数,以运行工况作为输出参数训练神经网络模型．训练后的神经网络可以利用测量的振动信号来判断柴油机的故障状况．实验及仿真结果表明：采用的小波降噪技术可以较好地再现振动信号特征,有效提高故障识别率;同时基于分形和神经网络技术的诊断方法在柴油机故障诊断中是有效可行的,对于单个故障的正确识别率达到了100％,具有较高的工程适用性,对其他复杂机械的振动诊断同样具有参考价值．     

旋转厚圆柱壳振动特性分析

为研究旋转厚圆柱壳的动力特性 ,采用九结点退化壳体单元有限元法 ,对于壳体达到平衡位置以前的状态 ,采用非线性板壳理论求解 ,然后采用线性理论研究圆柱壳的动力特性。模型中考虑了科氏加速度 ,离心力 ,初应力的影响。分析结果显示旋转厚圆柱壳具有复杂的三维模态 ,旋转速度对不同模态的固有频率的影响不同。该研究为高速离心机、航空发动机等旋转机械中的圆柱壳结构的设计和故障诊断提供了理论依据和分析方法     

基于混合智能算法的轴承故障诊断系统设计

设计了基于多种智能方法的轴承试验机故障监测系统,该系统可实现轴承试验机的在线监测,对被试验轴承的的振动信号的时域与频域指标通过多种智能算法进行分析,从而实现轴承故障的综合实时诊断,整个试验过程数据通过网络传送到上位机进行显示并存储到数据库中。该系统在轴承生产企业得到了成功的应用。     

基于多注意力机制的端到端滚动轴承故障诊断方法

针对传统滚动轴承故障诊断中复杂的特征提取问题，利用深层残差网络能够增强诊断模型非线性表征能力的特点，通过引入通道注意力与空间注意力机制，提出一种基于多注意力机制端到端的滚动轴承智能故障诊断方法。首先，通过原始振动加速度信号经过积分运算得到速度和位移；然后，将3者组合成具有特征增强的图像，输入至结合了多注意力机制的深层残差网络实现特征提取；最后，利用多分类函数完成滚动轴承故障分类。在本地实验室轴承数据集上进行了验证，结果表明，所提方法的诊断准确率达到了97.50%。验证了基于多注意力机制端到端的滚动轴承智能故障诊断方法的可行性和有效性，可为滚动轴承的精确故障诊断提供支持。