【毕业学位论文】(原稿)转子碰摩故障动力学模型与碰摩故障智能诊断研究-民航机电工程

《【毕业学位论文】(原稿)转子碰摩故障动力学模型与碰摩故障智能诊断研究-民航机电工程》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、编号南京航空航天大学毕业论文转子碰摩故障动力学模型与碰摩故障智能诊断研究学生姓名李飞学号070230113学院民航学院专业民航机电工程班级0702301指导教师陈果副教授二OO六年六月转子碰摩故障动力学模型与碰摩故障智能诊断研究摘要航空发动机是典型的旋转机械，旋转机械是工业部门中应用最为广泛的一类机械设备，转子系统作为旋转机械的核心部分，在电力、能源、交通、国防以及石油化工等领域屮发挥不可替代的作用，旋转机械常常由于出现各种不同的故障而影响其正常和有效的运转，从而导致重大的经济损失。因此，对旋转机械故障机理分析和研究是非常必要的。转静子之间的碰摩是旋转机械如航空发动机普遍存在

2、的现象，凶此对其研究具有重耍的意义。木论文首先建立了Jeffcott转了碰摩力学模型，然后运用四阶龙格库塔法进行求解，利用MATLAB编程实现在转子碰摩数值仿真界面图屮改变系统参数，达到研究转静碰摩所岀现的周期、拟周期和混沌的动力学特征的口的，同时保存结果并频段提取得到仿真样本，然后用这些仿真样本进行神经网络训练，最后利用D1I5922动态信号测试分析系统软件从ZT-3型多功能转子模拟实验台上采集的数据，通过频段提取特征得到测试样本，用这些测试样木来测试已经训练好的神经网络。测试结果表明，仿真样木训练的神经网络对试验样木具有很好的泛化能力，为航空发动机转子系统碰摩故障智能诊断

3、的提供了重要依据。关键词：航空发动机，碰摩，故障诊断，神经网络，动力学特征StudyingonrotorrubdynamicmodelandrubfaultintelligentdiagnosisAbstractTheaero-engineisthetypicalrotatorymachinery,whichisamachineryequipmentusedmostbroadlyinindustry.Rotorsystemishardcoreofrotatorymachineryanditplaysanirreplaceableroleinfieldssuchaselectr

4、icpower,energysources,traffic,nationaldefense,andpetrochemicalindustry,etc.Rotatorymachineryoftenappearsallkindsofdifferenttroubleswhichaffectthenormalandeffectiveoperationofrotatorymachinery,thuscausethegreateconomiclosses.Thereforeitisveryessentialtoanalyzeandstudythefaultmechanismofrotat

5、orymachinery.Therotor-to-statorrubisaubiquitousphenomenoninrotatorymachinerylikeaero-engine.Inthispaper,firstly,aJeffcottrotorrubdynamicmodelissetup,andtheRunge-KuttaMethodisusedtoobtainthequantitativeresults;Secondly,tochangesystemparametersinordertorevealdynamiccharacteristicsofperiodic,q

6、uasi-periodicandchaos.Thirdly,tosavethenumericalresultsandextractFrequencycharacteristicssoastogainsimulatedsamples.Fourthly,tousethissimulatedsamplestotrainneuralnetwork.Finally,tousesthesoftwareofDH5922dynamicsignaltestandanalysistogatherdatafromZT-3typemulti-functionalrotorsimulationtest

7、desk,andextractcharacteristicsindifferentMultiple-Frequencytoobtaintestsampleswhichwillbetestthenetworkhavingbeentrainedsuccessfully.Testingresultsshowthatthenetworkhavingbeentrainedbysimulatedsampleshasgoodgeneralizationcapacityfortrialsamples.Sothispap