旋转机械

摘要： 机械齿轮箱应用范围不断扩大,其运行状态成为影响机械传动系统功能的重要因素。考虑到当前机械齿轮箱复合识别方法由于信号数据诊断能力较差,导致其在噪声较大的环境中所得识别结果准确性较低的问题,设计一种基于大数据诊断模型的机械齿轮箱复合识别方法。采集机械齿轮箱运行数据并对其处理,为后续的齿轮箱运行状态诊断提供数据基础。使用成分分析法,提取机械齿轮箱运行状态特征。使用Softmax分类器构建机械齿轮箱大数据复合诊断模型,实现机械齿轮箱的复合识别。构建仿真实验环节,对此方法的识别能力进行分析。经实验结果证实,此方法在多种信噪比环境下,可得到可靠性较高的识别结果,对于机械齿轮箱普及应用具有推广作用。

摘要： 在对实际工业场景中的旋转机械进行故障诊断时,旋转机械的变工况会导致测试样本与模型训练样本间存在分布差异,进而影响故障诊断模型的准确率,对此,提出了一种基于深度置信网络的旋转机械迁移故障诊断方法。首先,利用最大重叠离散小波包变换处理了原始振动信号,提取了统计特征构建原始特征集;其次,基于源域有标签特征数据和目标域正常状态下的特征数据,运用了基于Fisher Score与域间最大均值差异的特征选取方法(FSFM),选取了判别性能和域不变性好的特征,用于后续的模型训练;然后,采用预训练微调的迁移学习方法,构建适用于目标域数据故障识别与分类的迁移深度置信网络;最后,采用SQI-MFS机械故障模拟试验台的轴承和电机故障数据开展不同工况下的故障诊断实验。研究结果表明:选取判别性能和域不变性好的特征用于诊断模型训练,能够明显提高故障诊断准确率,轴承和电机在不同工况下的故障诊断精度最高分别可达90.83%和86.83%,可验证提出的迁移故障诊断框架的有效性;此外,一系列对比实验表明所提出框架的诊断性能明显优于文中的对比模型,进一步验证所提出的方法具有应用于实际工业场景下故障诊断的潜力。

摘要： 为了提高精密机床驱动旋转机械磨损状态的检测精度,提出了基于小波变换时频分析的旋转机械磨损状态检测方法。采用知识图谱成像算法构建磨损状态参数序列流的多源信息采集模型,并采用频谱特征分离方法,提取状态参数序列流的关联谱特征量。分解状态参数序列流的多尺度特征后,采用小波包变换和时频特征分析方法构建旋转机械磨损状态参数序列流的频谱特征分解模型,提取旋转机械磨损状态参数的小波包多尺度特征量,最后进行特征聚类,完成旋转机械磨损状态的检测。实验结果表明,所提出方法的旋转机械磨损状态检测的精度较高,检测性能较好,提高了旋转机械磨损状态的实时检测能力。

摘要： 某旋转机械转子在工作转速下的变形情况对于转子设计和转子状态检验具有重要的参考价值。为了测量及研究转子动态下径向及轴向的变形测量,选择应用光幕幕帘千分尺进行测量来消除转子偏心对测量结果的影响。文章介绍了光幕幕帘千分尺的测量原理、转子动态变形试验台的设计,最后,并对测量装置的测量不确定度进行了评定。通过对转子动态变形测量数据的分析及与有限元分析结果的对比,得出结论:转子动态变形测量装置的测量结果比较准确;工作转速下无论径向变形还是轴向变形,测试结果和计算结果基本一致,理论模型及计算结果准确可靠。

摘要： 针对旋转机械早期故障信号微弱,富含大量噪声的问题,提出麻雀优化算法(SSA)和随机共振(SR)相结合的微弱信号提取方法。首先,对大参数信号进行变尺度处理,使其满足SR的要求;其次,以信噪比作为目标函数,运用SSA算法优化SR模型的结构参数,利用系统的SR实现微弱信号信噪比的提高;最后,通过仿真信号验证所提出方法的有效性,并将该方法应用于轴承内圈故障和轻度磨损钻头微弱信号的提取中。结果表明:提出的方法对微弱信号的提取性能优于传统的SR模型以及PSO-SR模型,有效提高了信号信噪比,实现了故障微弱信号的提取与增强。

摘要： 针对因不同故障的样本数目不平衡造成卷积神经网络(convolutional neural network,简称CNN)对少数类样本识别准确率偏低的缺陷,采用将一种最小最大化目标函数融入卷积神经网络结构的对策,提出一种适用于故障数据不平衡的最小最大化目标函数卷积神经网络(min-max objective CNN,简称MMOCNN)智能故障模式辨识方法。首先,利用卷积神经网络交替的卷积与池化运算自适应学习振动信号中具有表征信息的敏感特征,并通过全连接层(fully connected layer,简称FC)将学习特征映射到类空间;其次,在类空间构造特征的最小最大化目标函数;最后,将最小最大化目标函数融入到卷积神经网络的损失函数中,在模型训练过程中既考虑分类总体误差最小,同时又要求学习的样本特征保持同类距离小、异类距离大,以实现对数据不平衡故障的有效辨识。用轴承的不平衡数据集分别对本方法和传统卷积神经网络的辨识效果进行实验,结果表明,本方法能够使少数类样本的辨识精度提升20%以上。

摘要： 由于滚动轴承的早期微弱故障特征难以被完整地提取出来,为此,提出了一种基于周期优选奇异值分解(O-SVD)和快速谱相关(FSC)的滚动轴承微弱故障提取算法。首先,通过理论和仿真分析,对存在细节特征丢失问题的传统截断奇异值分解(T-SVD)算法进行了改进,提出了一种以相关系数作为指标,判断有效奇异值分解子空间的O-SVD算法;然后,将O-SVD作为信号处理的前置处理单元,对滚动轴承的故障信号进行了分解重构,并将处理后的重构信号进行了快速谱相关计算,得到了特征明显且能够较好保存局部细节特征的增强包络谱;最后,基于仿真模型,分析了现有算法的不足,并以故障识别率为指标,阐明了基于O-SVD与FSC的算法在低信噪比工况下的工程适用性。研究结果表明:与对比算法相比,在滚动轴承早期微弱故障、复合故障和综合故障3种工况下,基于O-SVD与FSC的算法均能够较为完整地提取故障信号特征,具有较好的工程适用性。

摘要： 深度学习因强大的特征提取能力已逐渐成为旋转机械故障诊断的主要方法。但深层模型缺乏领域适应能力,工况变化时性能衰退严重。迁移学习为解决变工况诊断问题提供新的途径。然而现有深度迁移学习方法大多仅对齐不同领域分布的均值中心,未考虑特征分布的流形结构,其适配性能仍难以应对不同工况复杂的机械故障信号。针对该问题,提出一种深度流形迁移学习方法,以堆叠自编码器为框架,在无监督预训练阶段同时利用源域和目标域样本训练,充分挖掘数据本质特征;针对模型微调,提出流行迁移框架,在适配分布差异同时还保持领域间特征分布结构的一致性。将新方法与现有迁移学习方法在旋转机械故障诊断案例进行充分的比较实验,结果表明,新方法优于现有方法,能显著提高变工况故障诊断精度。通过有效性分析在机理上进一步证明了融合目标域数据的无监督预训练策略和流形迁移微调策略对提高变工况故障诊断的有效性。

摘要： 针对传统大型旋转机械健康状态评估中过分依赖人工经验和对复杂信号的处理通用性较差的问题,基于对抗自编码模型提出一种误差阈值异常检测方法。直接利用设备振动信号进行特征提取与运行状态建模,利用正常状态下设备的振动状态数据建立分布模型;通过深度学习的方式学习振动数据的内在特征,并引入误差阈值作为故障预警的决策准则,实现设备运行状态的高效评估;以一台高转速离心泵为测试对象验证所提方法。结果表明:对抗自编码模型对异常数据的判断准确率能达到100%,该方法能够基于监测数据对旋转设备运行状态进行有效检测;相比于传统自编码神经网络,该方法的诊断准确度和精度大幅提高。

摘要： 通过深度学习实现轴承故障识别时,存在着因信号噪声导致故障识别率较低的问题,针对这一问题,提出了一种基于改进经验小波变换(IEWT)和改进Wasserstein自编码器(IWAAE)的轴承故障识别方法。首先,将轴承振动数据由时域变换到包络谱域,通过包络谱的极值点与自适应阈值的关系对其进行了包络谱自动分割,进而利用经验小波变换,将数据自动分解为不同频段的调幅调频分量,并采用改进峭度指标对选取合适的分量进行了重构,进而对信号进行了有效降噪;然后,针对变分自编码器训练困难的缺陷,引入Wasserstein自编码器,根据Wasserstein自编码器中间层神经元的激活值大小,对神经元进行了自动增加或删减,进而构造了IWAAE;最后,将重构信号输入到IWAAE中,进行了滚动轴承故障特征的自动提取和故障识别。研究结果表明:与其它的轴承故障识别方法相比,采用IEWT-IWAAE方法的故障识别精度更高,准确率可达99.28%,标准差仅0.32;该方法能在一定程度上缓解传统方法对人工特征提取和特征选择的依赖,其对噪声的鲁棒性高,故障识别能力优于其他组合模型方法。

摘要： 深度学习将特征的表示学习和模式分类集成到同一个框架下,可直接从振动信号逐层提取高度抽象、紧致的特征,不需繁琐的人工提取特征.近年来,基于深度学习的诊断方法取得了比支持向量机等浅层模型方法更好的诊断性能,成为故障诊断领域新的研究趋势.然而现有研究大多致力于解决训练和测试数据源于相同工况的封闭假设任务.当工况变化时,其诊断性能严重衰退.针对此问题,本文提出一种新的解决方案,利用深度自编码器从振动信号的频谱中提取深度特征,采用核极限学习机作为顶层分类器进行故障诊断.将新方法与现有的深度学习方法进行综合比较试验,对变工况下旋转机械故障数据的诊断结果表明:新方法对工况变化具有良好的泛化性能,显著提高了变工况条件下的故障诊断精度.

摘要： 高速旋转机械由于其工作转速高、控制精度高,其故障信号又属于微弱突变信号,造成常规监测方法准确率偏低,成为制约高速旋转机械故障监测进一步发展的最大障碍.本文设计了一种消除小波分解和重构过程中产生的频率混叠的算法.该算法利用傅里叶变换和傅里叶逆变换构成Mallat小波变换在分解和重构过程中所需的严格正交镜像滤波器,从而达到Malkt小波变换过程中必须具有的理想截止特性,最终去除掉多余的频率成分.利用改进前后的小波算法对实际信号进行分析,结果表明,本文设计的Malkt小波变换改进算法可消除信号分析中出现的频率混叠现象.

摘要： 现场动平衡技术是一个消除旋转部件振动的过程,该技术是机械制造业所广泛应用的一门专业技术.本文通过一个具体案例说明动平衡技术在化工企业旋转机械中的巨大作用.

摘要： 不对中是旋转机械的常见故障,会引起包括设备振动、轴承损耗在内的诸多问题.对中研究通常在转子故障试验平台上进行实验的方式进行,该种试验平台是力学实验室的常见设备,其技术发展已较为成熟,可是仍存在着操作繁琐、成本高昂等问题.本文对实验室现有的转子故障试验平台进行分析,根据其实际尺寸与材料建立刚柔混合模型,基于ADAMS的振动分析方法,分别在平行不对中以及综合不对中的情况下对模型进行仿真分析,并得到其振动数据.通过将仿真结果与理论分析进行比较,证实了基于ADAMS的仿真方法对转子故障的模拟和研究具有一定的可行性与较广泛的适用性,为转子故障试验平台的虚拟样机的构建提供了理论依据.

摘要： 调制谱分析在旋转机械的故障部位的判断及损伤程度的评定中起着重要作用.本文使用两种不同的方法,希尔波特变换解调法和基于两次FFT法计算三维调制谱,也就是调制频率、幅值或调制率、载波频率或时间轴的关系图.同时,开发了相关的应用软件并利用两个正弦合成信号验证了两种方法的有效性.

摘要： 在旋转机械中,定子和转子往往被交替放置,因此动静叶片之间的相互干涉比较严重,其内部流动本质是非定常的.采用CFD方法对这类流动问题进行数值模拟时,常用的动网格方法有滑移网格和重叠网格方法.若采用这两种方法,不可避免要对流场变量进行跨网格插值,因此难以做到高精度离散,并且很难保证守恒性.为了应对动静交界面处对守恒性与精度的需求,本文采用了基于有限体积法的剪切-滑移网格方法.它采用缓冲区网格弹性变形来过渡动静区网格之间的相对位移,而在相对位移较大时通过网格节点滑移复位并重新连接来“释放剪切形变”.在此过程中通过求解线性对流方程来实现流场变量的守恒映射.同时在大幅度旋转运动中能够保持网格节点之间的匹配连接,避免了跨网格插值,便于实施高阶离散格式.但目前这种方法仅在二维算例中进行了验证,本文目的是在将此方法推广至三维情形,计算具有实际工程意义的旋转机械流动问题.本文采用此方法结合SA(Spalart-Allmaras)湍流模型和MPI并行计算在NASA rotor67压气机转子与stage35上进行验证,证明了这种方法的可行性.

摘要： 对旋转机械在设计阶段进行转子动力学分析至关重要.目前国内外开发的转子动力学分析软件均存在操作复杂、界面不友好和功能不完善等问题.为解决上述问题,本文开发了基于.NET的转子动力学分析软件.首先介绍了基于有限元的转子动力学分析相关理论知识,接着介绍了软件的整体架构和功能模块,最后通过两个算例验证了软件计算的准确性.该软件操作简单、界面友好,具有丰富的图形显示与交互能力,能够实现内部建模、转子动力学分析、热力学分析和滚动轴承分析功能,可大幅提高转子设计分析效率,对于中国转子动力学分析软件的发展具有重要意义.

摘要： 立式转子试验器可以进行各种高速旋转试验,对于有破坏性的超转和破裂试验,高强度的包容结构十分必要.传统的能量法和包容曲线法无法获得结构破坏的细节信息,本文采用能量法与仿真模拟相结合的方法,对试验器外环的包容强度和厚度尺寸进行研究,计算与试验结果表明该方法可以较好地评估试验器结构强度.

摘要： 立式转子试验器可以进行各种高速旋转试验,对于有破坏性的超转和破裂试验,高强度的包容结构十分必要.传统的能量法和包容曲线法无法获得结构破坏的细节信息,本文采用能量法与仿真模拟相结合的方法,对试验器外环的包容强度和厚度尺寸进行研究,计算与试验结果表明该方法可以较好地评估试验器结构强度.

摘要： 立式转子试验器可以进行各种高速旋转试验,对于有破坏性的超转和破裂试验,高强度的包容结构十分必要.传统的能量法和包容曲线法无法获得结构破坏的细节信息,本文采用能量法与仿真模拟相结合的方法,对试验器外环的包容强度和厚度尺寸进行研究,计算与试验结果表明该方法可以较好地评估试验器结构强度.

摘要： 轴承装置，具备分别由浮动套筒型的滑动轴承构成的涡轮机侧轴承(21)和压缩机侧轴承(22)。涡轮机侧轴承(21)与旋转轴(13)之间的间隙(涡轮机侧内周间隙(TI))设定为大于压缩机侧轴承(22)与旋转轴(13)之间的间隙(压缩机侧内周间隙(CI))。根据这样的轴承结构，能够抑制含有自激振动的不稳定振动。

摘要： 轴承装置，具备分别由浮动套筒型的滑动轴承构成的涡轮机侧轴承(21)和压缩机侧轴承(22)。涡轮机侧轴承(21)与旋转轴(13)之间的间隙(涡轮机侧内周间隙(TI))设定为大于压缩机侧轴承(22)与旋转轴(13)之间的间隙(压缩机侧内周间隙(CI))。根据这样的轴承结构，能够抑制含有自激振动的不稳定振动。

摘要： 状态监视装置(30)通过ADC(37)以低速采样周期对基于间隙传感器(21)的检测信号进行数字化，并通过分选部(38)，将被数字化的检测信号分选为可视为检测到压缩机叶轮的叶片的叶片检测信号及不可视为检测到叶片的非叶片检测信号。而且，通过判定部(39)，对叶片检测信号用其他与叶片对应的叶片检测信号及非叶片检测信号进行比较，由此提取可视为叶片峰值的叶片峰值检测信号，并根据所提取的叶片峰值检测信号，判定轴振动及顶隙来作为压缩机叶轮的状态。因此，状态监视装置(30)无需进行高速采样而能够监视旋转机械的状态。

摘要： 本发明提供旋转机械以及旋转机械的组装方法、旋转机械的维护方法，旋转机械设有：作为外侧壳体的燃烧器壳体(41)，其由呈对开形状的上下的壳体(42、43)构成；作为内侧壳体的中间轴罩(61)，其由呈对开形状的上下的壳体(62、63)构成而在燃烧器壳体(41)内支承燃烧器(12)；以及按压支承机构(71)，其沿转子(32)的轴向对燃烧器壳体(41)的被嵌合部(81)与中间轴罩(61)的嵌合部(83)进行按压支承，由此在旋转机械的维护方法中，容易进行壳体的拆卸，提高内部的维护性。

摘要： 旋转机械(1)的控制装置(100)具备改变旋转机械(1)的参数的操作端(36)、测量转子(41)与壳体(48)之间的间隙量的间隙测量仪(101)及控制装置主体(110)。控制装置主体(110)根据通过间隙测量仪(101)测量到的间隙量，以使参数的变化率发生变化的方式设定操作端(36)的操作量，并将该操作量输出至操作端(36)。

摘要： 该旋转机械部件用坯料的制造方法对于由二相不锈钢构成的坯料，至少实施固溶化处理，而制造出旋转机械部件用坯料(A)，其中，所述固溶化处理在将坯料加热至950～1100°C的范围的温度之后，将从该温度到冷却至700°C的平均冷却速度设为20°C/min以上而进行冷却。

摘要： 提供一种不会导致运行成本、设备费用的增大，能够对支承部进行冷却而抑制支承部的热伸长/热变形的、旋转机械的壳体支承部的冷却装置及使用了该冷却装置的旋转机械、以及旋转机械的壳体支承部的冷却方法。旋转机械具备：旋转体(2)，具有旋转体主体(20)及在该旋转体主体(20)的轴向两外侧固定的一对旋转轴端(21)；壳体(30)，收容旋转体主体(20)并供各旋转轴端(21)贯通；轴承部(4)，将旋转轴端(21)支承为能够旋转且被从润滑管线(60)向轴承面(41)供给润滑流体；及支承部(5)，支承壳体(30)，在旋转机械中，使所述润滑流体与支承部(5)进行热交换而对支承部(5)进行冷却。

摘要： 状态监视装置(30)通过ADC(37)以低速采样周期对基于间隙传感器(21)的检测信号进行数字化，并通过分选部(38)，将被数字化的检测信号分选为可视为检测到压缩机叶轮的叶片的叶片检测信号及不可视为检测到叶片的非叶片检测信号。而且，通过判定部(39)，对叶片检测信号用其他与叶片对应的叶片检测信号及非叶片检测信号进行比较，由此提取可视为叶片峰值的叶片峰值检测信号，并根据所提取的叶片峰值检测信号，判定轴振动及顶隙来作为压缩机叶轮的状态。因此，状态监视装置(30)无需进行高速采样而能够监视旋转机械的状态。

摘要： 本发明提供旋转机械以及旋转机械的组装方法、旋转机械的维护方法，旋转机械设有：作为外侧壳体的燃烧器壳体(41)，其由呈对开形状的上下的壳体(42、43)构成；作为内侧壳体的中间轴罩(61)，其由呈对开形状的上下的壳体(62、63)构成而在燃烧器壳体(41)内支承燃烧器(12)；以及按压支承机构(71)，其沿转子(32)的轴向对燃烧器壳体(41)的被嵌合部(81)与中间轴罩(61)的嵌合部(83)进行按压支承，由此在旋转机械的维护方法中，容易进行壳体的拆卸，提高内部的维护性。

摘要： 本实用新型公开了将旋转机械转换成非旋转机械的装置及相关的非旋转工具。提供了一种构造成将旋转机械转换成非旋转机械的装置。该装置包括与CNC铣床的旋转头啮合的刀具主体，以及相对于旋转头的旋转轴固定在静止位置的旋转限制部件。刀具主体的臂可与旋转限制部件啮合以防止刀具主体旋转。切削刀具可以与刀具主体耦接，从而使其旋转也是固定的。刀具主体的臂可以包括细长的孔，以允许刀具主体和切削刀具的轻微枢转，借此有利于清除碎片和在相对的方向切削。还提供了相关的方法。