论文部分内容阅读
航空发动机是飞行器的动力装置,主轴轴承既是航空发动机的关键部件之一,又是航空发动机的薄弱环节,利用有效手段监测轴承的健康状况、实现故障早期预警对保证飞行器安全运行具有重要意义。论文以航空发动机轴承为研究对象,开展微弱故障信号特征提取与诊断方法研究,同时为探究轴承早期故障动态演化规律,建立三维有限元模型并开展动力学分析。主要内容如下:(1)研究了基于噪声抑制的特征提取方法。为缓解端点效应及模态混叠等问题,提出了基于互补式总体经验模态分解和相关性理论的特征提取方法,并应用于不同转速、不同故障程度下的轴承信号;针对传统方法只能分解一元信号的问题,应用基于噪声辅助的多元经验模态分解方法分析了多个位置采集到的轴承振动信号;提出了固有时间尺度分解与排列熵结合的特征提取方法,以排列熵作为评价每个旋转分量的指标,分析了低速工况下的轴承故障信号,解决了模态经验分解方法实时性较差的问题;同时从分析时域波形形状的角度,研究了基于数学形态学的特征提取方法,探讨了结构元素及形态学算子对特征提取效果的影响,并对实验信号开展了分析。(2)研究了基于分形理论的模式识别方法。提出了基于形态学和关联维数的模式识别方法,探讨了重构相空间维数的确定方法,并应用于轴承诊断;但是关联维数计算前需要确定多个参数且计算耗时长,为此提出了基于盒维数的模式识别方法,探讨了噪声对盒维数的影响,并以盒维数作为特征参数,分别结合距离函数和神经网络两种方法分析了轴承在不同状态下的振动信号;接着在多个测度下描述了轴承振动信号的分形特征,应用广义维数对轴承开展了故障模式识别。(3)开展了基于显示动力学的轴承仿真与分析。建立了轴承正常及典型故障的有限元模型,采用显示动力学的方法分析了轴承各部件的运动状态及典型故障激励作用下的应力应变分布规律,并探究了故障程度及主轴转速对应力应变的影响,分析了多种转速下的轴承仿真信号的故障特征。结果表明:基于噪声抑制的特征提取方法可以有效的减少原始信号中的噪声,准确的提取轴承信号的故障特征;基于分形理论的模式识别方法通过与距离函数和神经网络相结合,能够有效识别轴承典型故障;轴承的最大应力出现在接触表面下某一深度处,且随故障程度的增加、转速的提高而显著增大,各部件的应力从滚动体到内圈、外圈、保持架,依次减小;对仿真模型中提取到的加速度、速度信号开展FFT分析可以准确的识别轴承的故障类型。