CN116011112A - 基于机匣传递特性的航空发动机轴承故障数据模拟方法 - Google Patents
基于机匣传递特性的航空发动机轴承故障数据模拟方法 Download PDFInfo
- Publication number
- CN116011112A CN116011112A CN202310087958.8A CN202310087958A CN116011112A CN 116011112 A CN116011112 A CN 116011112A CN 202310087958 A CN202310087958 A CN 202310087958A CN 116011112 A CN116011112 A CN 116011112A
- Authority
- CN
- China
- Prior art keywords
- bearing
- fault
- casing
- excitation
- simulation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种基于机匣传递特性的航空发动机轴承故障数据模拟方法,包括:基于轴承动力学特性模拟提取不同轴承故障模式下轴承外圈与轴承座间的接触力;基于轴承不同故障模式机理简化接触力,提取周期性冲击激励力并做简化处理;施加轴承故障等效简化单次激励力,基于机匣传递特性映射机理提取机匣测点振动响应;基于滚动轴承工作原理在时域内对测点振动响应进行重组叠加;基于故障机理及模拟时长,进行响应矩阵重构及信号调制,融合发动机实测背景噪声,形成故障案例;对数值仿真故障案例进行包络谱分析,提取包络谱中的峰值特征频率,比较包络谱中峰值频率与理论特征频率的误差,得出故障模拟方法的准确性。
Description
技术领域
本发明涉及航空发动机轴承故障模拟技术领域,具体地说,特别涉及一种基于机匣传递特性的航空发动机轴承故障数据模拟方法。
背景技术
轴承作为航空发动机转子***的支承部件,其动态特性对转子工作性能影响显著,甚至直接影响整个航空发动机的功能。由于轴承长期在高温、高速、高DN值及载荷变化复杂的条件下工作,使其故障频发。相关数据表明,以转子部件和轴承故障为主的失效,占发动机各重大机械失效的80%以上。近年来,以大数据为依托的深度学习方法为机械设备的智能故障诊断提供了重要途径。但在工程实际中,机械设备的监测数据存在可利用率低和价值密度低的情况,这是由于轴承故障特征微弱,传感器安装困难,信号采集难度大等因素限制,为每种轴承状态收集和标记的故障数据可能会出现信息不充分的情况。具体来说,当故障样本远少于正常样本,会产生数据分布不均衡现象;而当各类轴承数据的绝对数量都很少时,表现为小样本。严重阻碍了发动机轴承故障诊断技术的工程应用。
在轴承故障发生早期时,由于故障特征微弱同时伴随着强噪声背景,而且振动信号往往是多个部件振动响应的综合表现,不仅如此,各传感器传递路径的不确定性及信号能量的衰减和畸变,都使得轴承微弱故障特征在机匣振动信号中表现更为复杂,包含轴承故障特征信息的振动信号与健康振动信号也难以区分,加剧轴承故障诊断难度。深度学习方法通过建立深层结构模型,可以有效地从大量数据中自适应提取具有代表性的故障特征,发动机轴承故障样本不均衡和小样本问题稀缺亟待解决。
目前国内外学者针对样本不均衡问题主要从数据和算法两个方面进行研究。前者旨在通过样本重采样或数据生成方式来扩充少数类样本的数量,后者则希望增加模型对少数类的敏感性和惩罚度来减小诊断误差或优化分类器。上述方法虽然取得了一定的效果,但重采样方法在合成新样本的时候也会造成过泛化、过生成或改变原数据的分布情况,存在生成的样本模糊,缺少纹理细节的问题。而算法改进上往往难以合理设置具体的代价参数,且当数据不均衡程度过高时,模型的提升效果有限。针对各个领域的小样本分类问题,主要可分为数据增强、迁移学习、元学习和度量学习四类。以上方法虽然能够提升小样本下的故障诊断性能,但仍存在诸多问题。例如数据增强方法有可能会引入噪声数据;迁移学习方法本质上仍需要大量辅助数据作为前提;元学习方法复杂度较高,相关技术还不成熟;而度量学习在训练样本很少的情况下准确率较低。
计算线性***的传递函数是描述结构振动传递特性的常用方法。对于线性时不变***,其***输出响应等于***输入与***冲激响应的卷积。根据时域卷积定理,易知***输出信号的频谱密度等于输入信号的频谱与冲激响应频谱的乘积。故***冲激响应的傅里叶变换即为***的频域传递函数。人们在研究传递特性时,往往更偏重于频域传递特性,产生一系列计算线性***频响函数的计算方法,主要有幅值法、互谱法、倒置法、最小二乘法、尺度因子法和算数平均法等。然而,对于航空发动机轴承故障来说,其激励与响应具有明显的时域周期性特征,故仅在频域内模拟轴承故障势必难以保证满足轴承故障机理。目前对于如何在时域内利用航空发动机机匣振动传递特性映射激励与响应之间的关系,从而准确、高效进行轴承故障模拟的研究仍存在一定不足。
发明内容
为了解决现有技术的问题,本发明实施例提供了一种基于机匣传递特性的航空发动机轴承故障数据模拟方法。所述技术方案如下:
一方面,提供了一种基于机匣传递特性的航空发动机轴承故障数据模拟方法,包括:
步骤1):基于轴承动力学特性模拟提取不同轴承故障模式下轴承外圈与轴承座间的接触力;
步骤2):基于轴承不同故障模式机理简化接触力,提取周期性冲击激励力并做简化处理;
步骤3):施加轴承故障等效简化单次激励力,基于机匣传递特性映射机理提取机匣测点振动响应;
步骤4):基于滚动轴承工作原理在时域内对测点振动响应进行重组叠加;
步骤5):基于故障机理及模拟时长,进行响应矩阵重构及信号调制,融合发动机实测背景噪声,形成故障案例;
步骤6):对数值仿真故障案例进行包络谱分析,提取包络谱中的峰值特征频率,比较包络谱中峰值频率与理论特征频率的误差,得出故障模拟方法的准确性。
进一步地,在步骤1)中,所述基于轴承动力学特性模拟提取不同轴承故障模式下轴承外圈与轴承座间的接触力,具体为:
利用有限元模型或多体动力学模型等设置轴承不同组件故障,参照工程实际添加约束及边界条件,进而完成不同模式下轴承故障动力学特性模拟;通过后处理提取不同轴承故障模式下轴承外圈与轴承座间的接触力。
进一步地,在步骤2)中,所述基于轴承不同故障模式机理简化接触力,提取周期性冲击激励力并做简化处理,具体为:
依据不同轴承故障模式动力学特性模拟数据特征频率计算轴承故障激励力周期,判定滚珠与缺陷产生第一次接触力的时刻,再提取对应周期内的接触力,即为不同轴承故障模式的故障激励力,再将轴承故障激励力简化处理为以故障激励力大小均值F1为幅值的等幅具有周期性时域冲击特性的激励矩阵M。
具体地,所述判定滚珠与缺陷产生第一次接触力的时刻,具体为:
在轴承第一个故障激励力周期内,寻找轴承与轴承座间接触力绝对值最大的采样点,即此时记为滚珠与缺陷产生接触力的开始。
进一步地,在步骤3)中,所述施加轴承故障等效简化单次激励力,基于机匣传递特性映射机理提取机匣测点振动响应,具体为:
基于简化等幅周期性时域激励矩阵M提取单脉冲激励N,施加于航空发动机机匣轴承处或高保真机匣三维实体有限元模型进行瞬态动力学分析;基于发动机机匣的传递特性映射轴承故障激励与测点振动响应的关系,并结合发动机实际监测位置,提取风扇机匣、中介机匣和涡轮后机匣三个测点振动加速度数据作为轴承故障数值模拟的基础。
具体地,将单脉冲激励下机匣测点响应等价于单次轴承故障激励基于机匣传递特性的直观表征,同时发动机机匣传递特性通过仿真模型计算得到,或利用实际机匣结构进行测试得到。
进一步地,在步骤4)中,所述基于滚动轴承工作原理在时域内对测点振动响应进行重组叠加,具体为:
基于轴承故障激励特征,在不同故障模式下,以轴承故障单个激励周期内包含的采样点数对机匣测点信号进行分组,得到单脉冲激励下测点响应矩阵P;再依据滚动轴承周期性工作原理,基于单脉冲激励下测点响应矩阵P进行信号叠加重构计算,得到轴承旋转一周时机匣测点的振动响应矩阵Q。
进一步地,在步骤5)中,基于故障机理及模拟时长,进行响应矩阵重构及信号调制,融合发动机实测背景噪声,形成故障案例,具体为:
用仿真案例时长/轴承工作1周时长计算轴承工作转数n,将响应矩阵Q进行复制扩充重构,再依据轴承故障机理对重构后的矩阵进行调制,最后融合发动机实测背景噪声形成对应故障模式下轴承故障案例。
具体地,对提取到的机匣测点振动加速度信号的重构与扩充,基于不同轴承故障模式故障机理与激励力的周期及周期内的采样点数实现轴承故障响应矩阵的重构,得到不同轴承故障模式下的重构振动加速度时域波形。
进一步地,在步骤6)中,对数值仿真故障案例进行包络谱分析,提取包络谱中的峰值特征频率,比较包络谱中峰值频率与理论特征频率的误差,得出故障模拟方法的准确性,具体为:
利用包络谱分析轴承故障数值仿真案例,再依据轴承故障特征频率计算公式计算对应故障特征频率,包括如下:
最终计算包络谱中峰值频率与理论特征频率的误差,得出故障模拟方法的准确性。
本发明实施例提供的技术方案带来的有益效果是:
本发明提供了一种基于机匣传递特性的航空发动机轴承故障数据模拟方法,基于有限元模型或多体动力学模型等进行不同轴承故障模式动力学特性模拟,提取轴承外圈与轴承座间的接触力,再基于轴承故障机理等效简化故障激励力,施加于航空发动机高保真机匣三维实体有限元模型或实际发动机机匣,再基于机匣传递特性映射机理提取测点振动响应,依据滚动轴承工作原理,并结合故障机理对响应矩阵进行重构及调制,最后融合实测背景噪声。
本发明完成了不同轴承故障模式激励力提取及简化,机匣传递特性映射机理,矩阵重构及信号调制等工作,成功基于轴承故障机理和发动机机匣传递特性生成了发动机轴承故障数值仿真案例。可用于计算机对轴承故障特征的学习,进而给故障特征传递及机理分析和故障诊断提供支撑。
本发明提供了一种基于机匣传递特性的航空发动机轴承故障数据模拟方法,能够结合轴承故障机理提取轴承故障激励力特征,依托航空发动机机匣振动传递特性提取测点振动响应并在时域内基于滚动轴承工作原理及故障机理重构响应矩阵,并融入实测背景噪声形成故障案例。既能保证轴承各故障模式的有效性和准确性,又能满足大量故障案例短时生成的需要,可以有效解决发动机轴承故障样本不均衡和小样本问题,从而更好的推动航空发动机智能诊断***的快速发展。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的一种基于时域冲击机理及机匣振动传递特性的航空发动机轴承故障数据模拟方法流程示意图;
图2为本发明实施例中基于多体动力学模型模拟轴承内圈故障提取的轴承外圈与轴承座间的接触力图;
图3为本发明实施例中基于故障机理简化的轴承内圈故障激励力图;
图4为本发明实施例中单次轴承故障激励基于航空发动机机匣传递特性映射机理的表征示意图;
图5为本发明实施例中重构后轴承工作一周中介机匣测点振动加速度响应图;
图6为本发明实施例中发动机实测背景噪声时域图;
图7为本发明实施例中重构后轴承内圈故障数值仿真案例时域波形图;
图8为本发明实施例中轴承内圈故障数值仿真案例包络谱分析结果图;
图9为本发明实施例中航空发动机结构简图及机匣传递特性示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
本发明提供的一种基于机匣传递特性的航空发动机轴承故障数据模拟方法,包括:
S1:基于轴承动力学特性模拟提取不同轴承故障模式下轴承外圈与轴承座间的接触力;
S2:基于轴承不同故障模式机理简化接触力,提取周期性冲击激励力并做简化处理;
S3:施加轴承故障等效简化单次激励力,基于机匣传递特性映射机理提取机匣测点振动响应;
S4:基于滚动轴承工作原理在时域内对测点振动响应进行重组叠加;
S5:基于故障机理及模拟时长,进行响应矩阵重构及信号调制,融合发动机实测背景噪声,形成故障案例;
S6:对数值仿真故障案例进行包络谱分析,提取包络谱中的峰值特征频率,比较包络谱中峰值频率与理论特征频率的误差,得出故障模拟方法的准确性。
具体地,该航空发动机轴承故障数据模拟方法具体为一种基于时域冲击机理及机匣振动传递特性的航空发动机轴承故障数据模拟方法。
同时,本发明基于轴承故障机理利用有限元模型或多体动力学模型等模拟轴承故障动力学特性,提取轴承外圈与轴承座间的接触力并简化处理,施加于实际发动机机匣轴承处或高保真机匣三维实体有限元模型,依托机匣传递特性映射机理提取机匣测点振动响应,再基于滚动轴承工作原理,并结合轴承故障机理进行矩阵重构与调制处理,最后与实测发动机背景噪声融合,从而获得基于故障机理和航空发动机机匣传递特性的轴承故障数值仿真案例,用于航空发动机故障诊断专家***的学习。
实施例:
本实施例的数据是基于多体接触瞬态动力学模拟轴承内圈故障动力学特性及基于航空发动机高保真机匣三维实体有限元模型模拟机匣复杂传递特性得到的。该轴承依据航空发动机滚动轴承建立,采用刚体轴承与柔性轴承座耦合的方式建模,轴承内圈设置沟槽缺陷,在故障模拟过程中,轴承处于稳定工况;该整机机匣包含低压压气机机匣、中介机匣、高压压气机机匣、燃烧室机匣、涡轮机匣、加力燃烧室机匣以及尾喷管机匣6个部分构成。
一种基于时域冲击机理及机匣振动传递特性的航空发动机轴承故障数据模拟方法,其流程如图1所示,具体步骤如下:
S1、利用多体动力学模型设置轴承内圈故障,参照工程实际添加约束及边界条件,进而完成轴承内圈故障动力学特性模拟。通过后处理提取轴承内圈故障模式下轴承外圈与轴承座间的接触力。
本实施例中利用多体动力学模型模拟轴承内圈故障动力学特性,设置轴承内圈沟槽缺陷宽度为4mm、深度为2mm,内圈驱动转速为满工况转速,仿真时长0.2s,采样点数12810,提取轴承外圈与轴承座间的接触力如附图2所示。
S2、基于轴承内圈故障动力学特性模拟数据特征频率计算轴承故障激励力周期,判定滚珠与缺陷产生第一次接触力的时刻,再提取轴承内圈故障模式下对应激励周期内轴承外圈与轴承座间的仿真接触力,即为轴承内圈故障的故障激励力。再将轴承内圈故障激励力简化处理为以故障激励力大小均值F1为幅值的等幅具有周期性时域冲击特性的激励矩阵M。
在本实施例中,利用多体动力学故障模拟数据特征频率为2135Hz,对应的激励力周期为4.684×10-4s。单个激励力周期内包含30个采样点,经判断后确定第17采样点为该周期内最大值,即第一次接触力产生的时刻为2.654×10-4s。轴承内圈故障激励力的平均值为18499N,简化处理后的轴承内圈故障激励力如附图3所示。
S3、利用简化等幅周期性时域冲击激励矩阵M提取单脉冲激励N施加在航空发动机高保真机匣三维实体有限元模型上,设置仿真时长和子步进行瞬态动力学分析。再依托机匣振动传递特性映射机理并结合实际监测位置提取风扇机匣、中介机匣和涡轮后机匣三个测点振动加速度数据作为轴承内圈故障数值模拟的基础。
在本发明实施例中,设置仿真时长0.1s,设置步长为激励周期的1/100,即4.684×10-5s,利用瞬态动力学分析计算单次轴承内圈故障等效激励基于高保真机匣三维实体有限元模型传递特性的表征,提取中介机匣测点振动加速度响应如附图4所示。
S4、基于轴承故障激励特点,以轴承内圈故障单个激励周期内包含的采样点数对机匣测点信号进行分组,得到单脉冲激励下测点响应矩阵P。依据滚动轴承周期性工作原理,基于单脉冲激励下测点响应矩阵P进行信号叠加计算,得到轴承旋转一周时风扇机匣、中介机匣及涡轮后机匣测点的响应矩阵Q。
在本发明实施例中,轴承单个激励周期内包含30个采样点,对不同激励周期内机匣测点响应叠加,得到重构后轴承工作一周的中介机匣测点振动加速度时域波形图如附图5所示。
S5、利用仿真案例时长/轴承工作一周时长计算轴承工作转数n,再依据轴承工作转数将响应矩阵Q进行复制扩充重构,结合轴承内圈故障机理将重构后的矩阵与转速信号进行调制处理,再融合发动机实测背景噪声形成轴承内圈故障案例。
在本发明实施例中,设置故障模拟时长0.1s,计算轴承工作转数214转,然后利用轴承旋转一周的响应矩阵进行复制扩充重构,再利用滤波器去除发动机正常实测信号中的转频成分后,将其作为航空发动机背景噪声如附图6所示。与调制处理后的重构矩阵进行叠加即为基于轴承内圈故障机理与机匣传递特性的轴承内圈故障数值仿真案例,其时域波形如附图7所示。
S6、对轴承内圈故障数值仿真案例进行包络谱分析,提取包络谱中的峰值特征频率与理论故障特征频率对比,具体为:利用包络谱分析轴承内圈故障数值仿真案例,再依据轴承故障特征频率公式计算对应故障特征频率,计算包络谱中峰值频率与理论特征频率的误差,以百分数表示,得出故障模拟方法的准确性。
轴承内圈故障案例中介机匣测点响应包络谱分析结果如附图8所示,可以看到图中除轴承内圈转频219.5Hz外,还存在2135Hz及其倍频成分,且在其两侧存在较为明显的边频带成分。而此时轴承内圈转频理论值为221.7Hz,误差为0.99%;依据轴承内圈故障特征频率公式计算得到的轴承内圈故障理论特征频率为2145Hz,误差仅为0.47%。
本实施例提取的轴承内圈故障轴承外圈与轴承座间的接触力如图2所示,从图中可以看出较为明显的周期冲击特性。本实施例中基于轴承故障机理处理后的轴承内圈故障简化激励力如图3所示,其具有周期性、等幅的特点。图4展示了单次轴承故障激励基于航空发动机机匣传递特性映射机理的表征示意图,即中介机匣测点振动加速度响应图,可用于后续对轴承故障时域信号的重构。图5是单次轴承故障激励下轴承工作一周的中介机匣测点振动加速度时域波形重构图,可用于后续轴承内圈故障案例的重构。图6是航空发动机实测信号去除工频及其倍频成分的时域波形图,可作为故障仿真案例更接近实际的背景噪声。图7是轴承内圈故障数值仿真案例时域波形图,可作为航空发动机智能诊断专家***的学习样本。图8是对轴承内圈故障数值仿真案例包络谱分析结果,可以用于判断轴承内圈故障仿真方法的准确性。图9是航空发动机结构简图及机匣传递特性示意图,可说明发动机轴承位置处相关信息能够通过薄壁机匣传递特性映射到机匣表面测点,是基于时域冲击机理进行轴承故障数值模拟的关键。
本发明实施例提供了基于机匣传递特性的航空发动机轴承故障数据模拟方法,能够基于轴承故障机理与发动机机匣传递特性生成轴承故障数值仿真案例,并通过包络谱分析满足轴承故障特征,可服务于航空发动机智能诊断***深度学习,为工程实际中发动机实测故障案例样本不均衡和小样本问题提供有效解决途径,有利于推进航空发动机故障诊断专家***的进步。
以上仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于机匣传递特性的航空发动机轴承故障数据模拟方法,其特征在于,包括:
步骤1):基于轴承动力学特性模拟提取不同轴承故障模式下轴承外圈与轴承座间的接触力;
步骤2):基于轴承不同故障模式机理简化接触力,提取周期性冲击激励力并做简化处理;
步骤3):施加轴承故障等效简化单次激励力,基于机匣传递特性映射机理提取机匣测点振动响应;
步骤4):基于滚动轴承工作原理在时域内对测点振动响应进行重组叠加;
步骤5):基于故障机理及模拟时长,进行响应矩阵重构及信号调制,融合发动机实测背景噪声,形成故障案例;
步骤6):对数值仿真故障案例进行包络谱分析,提取包络谱中的峰值特征频率,比较包络谱中峰值频率与理论特征频率的误差,得出故障模拟方法的准确性。
2.如权利要求1所述的一种基于机匣传递特性的航空发动机轴承故障数据模拟方法,其特征在于,在步骤1)中,所述基于轴承动力学特性模拟提取不同轴承故障模式下轴承外圈与轴承座间的接触力,具体为:
利用有限元模型或多体动力学模型等设置轴承不同组件故障,参照工程实际添加约束及边界条件,进而完成不同模式下轴承故障动力学特性模拟;通过后处理提取不同轴承故障模式下轴承外圈与轴承座间的接触力。
3.如权利要求2所述的一种基于机匣传递特性的航空发动机轴承故障数据模拟方法,其特征在于,在步骤2)中,所述基于轴承不同故障模式机理简化接触力,提取周期性冲击激励力并做简化处理,具体为:
依据不同轴承故障模式动力学特性模拟数据特征频率计算轴承故障激励力周期,判定滚珠与缺陷产生第一次接触力的时刻,再提取对应周期内的接触力,即为不同轴承故障模式的故障激励力,再将轴承故障激励力简化处理为以故障激励力大小均值F1为幅值的等幅具有周期性时域冲击特性的激励矩阵M。
4.如权利要求3所述的一种基于机匣传递特性的航空发动机轴承故障数据模拟方法,其特征在于,所述判定滚珠与缺陷产生第一次接触力的时刻,具体为:
在轴承第一个故障激励力周期内,寻找轴承与轴承座间接触力绝对值最大的采样点,即此时记为滚珠与缺陷产生接触力的开始。
5.如权利要求4所述的一种基于机匣传递特性的航空发动机轴承故障数据模拟方法,其特征在于,在步骤3)中,所述施加轴承故障等效简化单次激励力,基于机匣传递特性映射机理提取机匣测点振动响应,具体为:
基于简化等幅周期性时域激励矩阵M提取单脉冲激励N,施加于航空发动机机匣轴承处或高保真机匣三维实体有限元模型进行瞬态动力学分析;基于发动机机匣的传递特性映射轴承故障激励与测点振动响应的关系,并结合发动机实际监测位置,提取风扇机匣、中介机匣和涡轮后机匣三个测点振动加速度数据作为轴承故障数值模拟的基础。
6.如权利要求5所述的一种基于机匣传递特性的航空发动机轴承故障数据模拟方法,其特征在于,将单脉冲激励下机匣测点响应等价于单次轴承故障激励基于机匣传递特性的直观表征,同时发动机机匣传递特性通过仿真模型计算得到,或利用实际机匣结构进行测试得到。
7.如权利要求6所述的一种基于机匣传递特性的航空发动机轴承故障数据模拟方法,其特征在于,在步骤4)中,所述基于滚动轴承工作原理在时域内对测点振动响应进行重组叠加,具体为:
基于轴承故障激励特征,在不同故障模式下,以轴承故障单个激励周期内包含的采样点数对机匣测点信号进行分组,得到单脉冲激励下测点响应矩阵P;再依据滚动轴承周期性工作原理,基于单脉冲激励下测点响应矩阵P进行信号叠加重构计算,得到轴承旋转一周时机匣测点的振动响应矩阵Q。
8.如权利要求7所述的一种基于机匣传递特性的航空发动机轴承故障数据模拟方法,其特征在于,在步骤5)中,基于故障机理及模拟时长,进行响应矩阵重构及信号调制,融合发动机实测背景噪声,形成故障案例,具体为:
用仿真案例时长/轴承工作1周时长计算轴承工作转数n,将响应矩阵Q进行复制扩充重构,再依据轴承故障机理对重构后的矩阵进行调制,最后融合发动机实测背景噪声形成对应故障模式下轴承故障案例。
9.如权利要求8所述的一种基于机匣传递特性的航空发动机轴承故障数据模拟方法,其特征在于,对提取到的机匣测点振动加速度信号的重构与扩充,基于不同轴承故障模式故障机理与激励力的周期及周期内的采样点数实现轴承故障响应矩阵的重构,得到不同轴承故障模式下的重构振动加速度时域波形。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310087958.8A CN116011112A (zh) | 2023-01-29 | 2023-01-29 | 基于机匣传递特性的航空发动机轴承故障数据模拟方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310087958.8A CN116011112A (zh) | 2023-01-29 | 2023-01-29 | 基于机匣传递特性的航空发动机轴承故障数据模拟方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116011112A true CN116011112A (zh) | 2023-04-25 |
Family
ID=86019338
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310087958.8A Pending CN116011112A (zh) | 2023-01-29 | 2023-01-29 | 基于机匣传递特性的航空发动机轴承故障数据模拟方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116011112A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116380444A (zh) * | 2023-06-05 | 2023-07-04 | 滨州鲁德曲轴有限责任公司 | 用于曲轴故障分析的故障声音数据处理***及处理方法 |
-
2023
- 2023-01-29 CN CN202310087958.8A patent/CN116011112A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116380444A (zh) * | 2023-06-05 | 2023-07-04 | 滨州鲁德曲轴有限责任公司 | 用于曲轴故障分析的故障声音数据处理***及处理方法 |
CN116380444B (zh) * | 2023-06-05 | 2023-08-25 | 滨州鲁德曲轴有限责任公司 | 用于曲轴故障分析的故障声音数据处理***及处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Han et al. | Fault feature extraction of low speed roller bearing based on Teager energy operator and CEEMD | |
CN106408088B (zh) | 一种基于深度学习理论的旋转机械设备故障诊断方法 | |
Bin et al. | Early fault diagnosis of rotating machinery based on wavelet packets—Empirical mode decomposition feature extraction and neural network | |
CN105424359B (zh) | 一种基于稀疏分解的齿轮和轴承混合故障特征提取方法 | |
CN105806613A (zh) | 一种基于阶比复杂度的行星齿轮箱故障诊断方法 | |
CN103018044B (zh) | 一种改进冲击字典匹配追踪算法的轴承复合故障诊断方法 | |
CN112629840A (zh) | 一种航空发动机双转子-支承-机匣试验器及其测试方法 | |
CN103471848A (zh) | 基于独立分量分析和倒频谱理论的滚动轴承故障特征提取方法 | |
CN111504587A (zh) | 一种立式水轮发电机导轴承支架振动特性评估***及方法 | |
CN112461934B (zh) | 一种基于声发射的航空发动机叶片裂纹源定位方法 | |
CN116011112A (zh) | 基于机匣传递特性的航空发动机轴承故障数据模拟方法 | |
CN108036940A (zh) | 一种轴承故障诊断方法 | |
CN105352726B (zh) | 一种齿轮的故障诊断方法 | |
CN109883389A (zh) | 一种旋转叶片动应变场测量方法及其*** | |
CN112362343A (zh) | 基于调频字典的齿轮箱变转速下分布型故障特征提取方法 | |
Sun et al. | Application of a novel improved adaptive CYCBD method in gearbox compound fault diagnosis | |
CN114813123A (zh) | 一种基于pso-vmd-mckd的滚动轴承微弱故障诊断方法 | |
Amin et al. | Wind turbine gearbox fault diagnosis using cyclostationary analysis and interpretable CNN | |
CN106951654A (zh) | 基于区间不确定性的复杂耦合结构动力特性参数识别方法 | |
Liang et al. | Dynamic Simulation of Tooth Root Crack Failure in Planetary Gearbox Based on Torsional Vibration Signal | |
Xia et al. | Dynamic modeling of gearbox based on virtual-physical interaction | |
Liu et al. | Study on Fault Diagnosis Method of Key Components of the Gearbox Under Variable Working Conditions Based on Improved VMD Algorithm | |
Xiao et al. | Gas turbine blade passing frequency reconstruction and its application for blade fracturing fault diagnosis | |
Ye et al. | Analysis of Parallel Misalignment of Gear Coupling in Rotor System Using EEMD-median Filter Method | |
CN217560790U (zh) | 用于燃气轮机振动噪声测试分析的实验装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |