欧美在线观看视频网站,亚洲熟妇色自偷自拍另类,啪啪伊人网,中文字幕第13亚洲另类,中文成人久久久久影院免费观看 ,精品人妻人人做人人爽,亚洲a视频

一種轉(zhuǎn)子多點不平衡量識別方法與流程

文檔序號:11513143閱讀:238來源:國知局
一種轉(zhuǎn)子多點不平衡量識別方法與流程
本發(fā)明屬于旋轉(zhuǎn)機械動平衡
技術(shù)領(lǐng)域
,具體涉及一種轉(zhuǎn)子多點不平衡量識別方法。
背景技術(shù)
:現(xiàn)代社會中,旋轉(zhuǎn)機械應(yīng)用十分廣泛,在諸如鋼鐵、石化、航空航天等大型生產(chǎn)企業(yè)中,包括了風(fēng)機、汽輪機、電機、燃氣輪機、壓縮機、鼓風(fēng)機、航空發(fā)動機、泵等關(guān)鍵設(shè)備,其運行狀況的好壞直接影響企業(yè)的生產(chǎn),一旦因故障停機,將造成巨大的經(jīng)濟損失和嚴重的后果。因此,企業(yè)對這類設(shè)備的狀況非常關(guān)注。大型旋轉(zhuǎn)機械面臨的一個最大的問題是振動問題,由于振動而造成機械性能損壞占有很大的比例。在產(chǎn)生振動的各種原因中,最主要的是轉(zhuǎn)子不平衡。據(jù)統(tǒng)計,旋轉(zhuǎn)機械的各種振動故障中,不平衡引起的振動占60%左右。因此,動平衡技術(shù)對大型旋轉(zhuǎn)機械顯得尤為重要。傳統(tǒng)轉(zhuǎn)子動平衡方法,如影響系數(shù)法和模態(tài)平衡法,從提出至今已經(jīng)有了長足發(fā)展,但仍存在一些不足。影響系數(shù)法需要多次啟停轉(zhuǎn)子來獲取系統(tǒng)的影響系數(shù)矩陣,模態(tài)平衡法則需對轉(zhuǎn)子系統(tǒng)進行精準(zhǔn)的模態(tài)分析,工程實現(xiàn)難度較大。因此,若能提前了解轉(zhuǎn)子的不平衡分布或者對其具有一定的預(yù)估,即對轉(zhuǎn)子進行不平衡量識別,則可大大加快動平衡效率。旋轉(zhuǎn)機械不斷向著高速化、復(fù)雜化方向發(fā)展,若只進行單點不平衡量識別,無法適用于復(fù)雜多變的工業(yè)現(xiàn)場。因此,尋求一種轉(zhuǎn)子多點不平衡量識別方法對現(xiàn)場動平衡很有必要。技術(shù)實現(xiàn)要素:本發(fā)明的目的在于克服傳統(tǒng)不平衡量識別方法需要多次啟停車添加試重的不足,提供了一種轉(zhuǎn)子多點不平衡量識別方法,該方法根據(jù)轉(zhuǎn)子固有結(jié)構(gòu)及實測振動信息,識別轉(zhuǎn)子不平衡量。為達到上述目的,本發(fā)明采用如下的技術(shù)方案:一種轉(zhuǎn)子多點不平衡量識別方法,包括以下步驟:1)獲取轉(zhuǎn)子系統(tǒng)固有的結(jié)構(gòu)及模態(tài)信息:轉(zhuǎn)子長度l、直徑d、密度ρ、彈性模量e,轉(zhuǎn)盤直徑d、厚度t和位置,軸承剛度k、阻尼c和支承位置;2)對轉(zhuǎn)子系統(tǒng)進行節(jié)點劃分,建立轉(zhuǎn)子系統(tǒng)集中質(zhì)量模型;3)采用riccati傳遞矩陣,結(jié)合步驟2)中集中質(zhì)量模型,獲得轉(zhuǎn)子系統(tǒng)理論不平衡響應(yīng);4)采集轉(zhuǎn)子系統(tǒng)實際運行的振動信號;5)結(jié)合轉(zhuǎn)子系統(tǒng)理論響應(yīng)和實測振動信號,使用遺傳算法進行不平衡量數(shù)目識別;6)在步驟5)所得不平衡量數(shù)目的基礎(chǔ)上,使用粒子群算法進行不平衡量位置和大小識別。本發(fā)明進一步的改進在于,步驟2)中建立轉(zhuǎn)子集中質(zhì)量模型,具體過程如下:將轉(zhuǎn)子系統(tǒng)離散成圓盤、軸段和支承基本單元,把每個軸段的質(zhì)量和轉(zhuǎn)動慣量集總到左右兩端構(gòu)成的剛性薄圓盤上,軸段本身則簡化成無質(zhì)量的弾性軸;其中圓盤的屬性包括集總質(zhì)量mi、集總直徑轉(zhuǎn)動慣量jdi和集總極轉(zhuǎn)動慣量jpi;集總質(zhì)量:集總極轉(zhuǎn)動慣量:集總直徑轉(zhuǎn)動慣量:節(jié)點集總化參數(shù):式中,和分別為原節(jié)點i處轉(zhuǎn)盤的質(zhì)量、直徑轉(zhuǎn)動慣量和極轉(zhuǎn)動慣量;軸承處節(jié)點等效剛度為:ksi=ki+iω·ci(5)若第i節(jié)點存在不平衡,則該節(jié)點不平衡量:ui=mie(cosα+isinα)(6)式中,mi為不平衡質(zhì)量,e、α為不平衡量的幅值和相位。本發(fā)明進一步的改進在于,步驟3)中采用riccati傳遞矩陣法計算不平衡響應(yīng),具體步驟如下:設(shè)第i個截面的狀態(tài)矢量為其中mx和my為截面彎矩,qx和qy為截面剪力,x和y為截面撓度,a和b為截面斜率,將此向量記為zi,將每個圓盤和軸段組成一個構(gòu)件,則構(gòu)件兩端的截面矢量分別記為zi和zi+1,構(gòu)件所受外力記為fi,構(gòu)件兩端的矢量關(guān)系為:zi+1=tizi+fi(7)式中,ti是第i個構(gòu)件的傳遞矩陣;將狀態(tài)矢量中的元素分為{f}、{e}兩組,分別代表狀態(tài)矢量中前四個元素和其余元素,引入riccati變換,則:{f}i={s}i{e}i+{p}i(8)根據(jù)左截面邊界條件fi=0,ei=0和右界面邊界條件fi=0,遞推求出各截面狀態(tài)矢量ei,即轉(zhuǎn)子不平衡響應(yīng)的復(fù)數(shù)形式。本發(fā)明進一步的改進在于,步驟4)中不平衡振動信號為設(shè)定固定轉(zhuǎn)速下、有限傳感器位置處振動信號。本發(fā)明進一步的改進在于,步驟5)中遺傳算法目標(biāo)函數(shù),引入正則化思想,在傳統(tǒng)目標(biāo)函數(shù)的基礎(chǔ)上增加l1正則化項,形成新的目標(biāo)函數(shù),得到不平衡量稀疏性的結(jié)果,目標(biāo)函數(shù)如下:式中:u-轉(zhuǎn)子不平衡量向量;xr-轉(zhuǎn)子系統(tǒng)實測振動信號;f(u)-轉(zhuǎn)子系統(tǒng)理論不平衡響應(yīng);λ-正則化因子;使用遺傳算法進行不平衡數(shù)目識別具體步驟如下:a.初始化,隨機產(chǎn)生一組初始個體構(gòu)成初始種群p(t),并通過式(9)評價每個個體的適應(yīng)度值;b.判斷算法是否滿足終止條件,即誤差是否小于設(shè)定值或達到設(shè)定迭代次數(shù),若滿足終止條件則輸出結(jié)果,終止運算;否則執(zhí)行以下步驟;c.選擇運算,根據(jù)適應(yīng)度大小,以用戶設(shè)置的代溝值為選擇概率,從種群中選擇若干個體;d.交叉運算,根據(jù)用戶設(shè)置的交叉概率,隨機指定一個或多個交叉點,對隨機選擇的兩個個體交換交叉點單側(cè)或中間的基因,形成兩個新的個體;e.變異運算,根據(jù)用戶設(shè)置的變異概率,將個體基因座上隨機選擇的部分基因用其他基因替換,形成新的個體;f.經(jīng)過上述操作得到下一代群體p(t+1),返回步驟b。本發(fā)明進一步的改進在于,在步驟6)中所用粒子群算法,在初值選取時并非直接優(yōu)化變量的整個范圍,而是根據(jù)不平衡量識別的特點,適當(dāng)縮小初值選取范圍,提高識別準(zhǔn)確率,具體步驟如下:a.初始化,隨機產(chǎn)生一組初始個體構(gòu)成初始種群p(t),計算各粒子適應(yīng)度值;b.判斷算法是否滿足終止條件,,即誤差是否小于設(shè)定值或達到設(shè)定迭代次數(shù),若滿足終止條件則輸出結(jié)果,終止運算;否則執(zhí)行以下步驟;c.計算當(dāng)前粒子下一代運動速度:式中,w為慣性權(quán)重因子;c1,c2為學(xué)習(xí)因子;r1、r2為服從[0,1]均勻分布的隨機數(shù);為當(dāng)前粒子第k代停留位置;為當(dāng)前粒子歷史最好位置;為群體歷史最好位置;d.根據(jù)粒子運動速度更新粒子位置:e.計算新一代粒子適應(yīng)度值,返回步驟b。本發(fā)明進一步的改進在于,學(xué)習(xí)因子c1、c2均為2。與現(xiàn)有技術(shù)相比,本發(fā)明具有以下有益效果:本發(fā)明所述的是一種轉(zhuǎn)子多點不平衡量識別方法,通過對轉(zhuǎn)子系統(tǒng)進行集中質(zhì)量建模,獲得系統(tǒng)理論不平衡響應(yīng),并與實測不平衡振動信號進行比較,通過遺傳算法和粒子群算法對轉(zhuǎn)子不平衡量進行識別。整個識別過程無需添加試重,避免多次啟車,縮短檢修時間,降低修理費用,減少停機時間,且本發(fā)明只需采集某固定轉(zhuǎn)速下振動信息,無需轉(zhuǎn)子多次轉(zhuǎn)速調(diào)節(jié),即可識別出轉(zhuǎn)子不平衡量數(shù)目、位置、質(zhì)量及相位信息,大大提高了平衡效率,并可為后續(xù)精準(zhǔn)的動平衡提供指導(dǎo)。進一步,本發(fā)明引入正則化思想,通過遺傳算法準(zhǔn)確識別轉(zhuǎn)子多點不平衡數(shù)目,可為其他不平衡量識別方法提供先驗知識。進一步,本發(fā)明通過適當(dāng)縮小粒子群算法初值選取范圍,可對不平衡量位置分布進行良好的估計,為現(xiàn)場轉(zhuǎn)子維護和轉(zhuǎn)子動平衡提供參考。附圖說明圖1為本發(fā)明的基本流程圖。圖2為轉(zhuǎn)子系統(tǒng)節(jié)點劃分示意圖。圖3為轉(zhuǎn)子系統(tǒng)集中質(zhì)量模型各節(jié)點信息。圖4為轉(zhuǎn)子系統(tǒng)模型前兩階振型。圖5為遺傳算法識別不平衡量數(shù)目的框圖。圖6為正則化因子中懲罰函數(shù)h(n)示意圖。具體實施方式為了驗證本發(fā)明的轉(zhuǎn)子多點不平衡量識別方法的優(yōu)越性,以下結(jié)合附圖和實施例對本發(fā)明作進一步的詳細描述。轉(zhuǎn)子多點不平衡識別方法具體描述如下:1)獲取轉(zhuǎn)子系統(tǒng)固有的結(jié)構(gòu)及模態(tài)信息:轉(zhuǎn)子長度l、直徑d、密度ρ、彈性模量e,轉(zhuǎn)盤直徑d、厚度t和位置,軸承剛度k、阻尼c和支承位置;2)對轉(zhuǎn)子系統(tǒng)進行節(jié)點劃分,建立轉(zhuǎn)子系統(tǒng)集中質(zhì)量模型;3)采用riccati傳遞矩陣,結(jié)合步驟2)中集中質(zhì)量模型,獲得轉(zhuǎn)子系統(tǒng)理論不平衡響應(yīng);4)采集轉(zhuǎn)子系統(tǒng)實際運行的振動信號;5)結(jié)合轉(zhuǎn)子系統(tǒng)理論響應(yīng)和實測振動信號,使用遺傳算法進行不平衡量數(shù)目識別;6)在步驟5)所得不平衡量數(shù)目的基礎(chǔ)上,使用粒子群算法進行不平衡量位置和大小識別。為了檢驗本發(fā)明方法的準(zhǔn)確性和實用性,做了以下實例。參閱圖1所示不平衡量識別流程,即首先通過轉(zhuǎn)子建模,獲得轉(zhuǎn)子理論不平衡響應(yīng),其次采集轉(zhuǎn)子實際振動信號,提取工頻分量幅值和相位,與理論值進行比較,最后通過智能優(yōu)化算法進行不平衡量識別。因轉(zhuǎn)子不平衡信息包括數(shù)目、位置、質(zhì)量和相位四個方面,直接識別參數(shù)較多,故將其分為不平衡數(shù)目識別和其他信息識別兩部分,依次進行識別。1)針對某一轉(zhuǎn)子系統(tǒng),獲取其固有的結(jié)構(gòu)及模態(tài)信息如表1所示。表1轉(zhuǎn)子系統(tǒng)結(jié)構(gòu)信息2)獲取結(jié)構(gòu)信息后,對轉(zhuǎn)子進行節(jié)點劃分如圖2所示。將轉(zhuǎn)子劃分為13個軸段,共計14個節(jié)點;轉(zhuǎn)盤位置為節(jié)點6和節(jié)點9,傳感器位置為節(jié)點3和節(jié)點12,軸承支承位置為節(jié)點1和節(jié)點14。3)根據(jù)劃分的節(jié)點,建立轉(zhuǎn)子系統(tǒng)集中質(zhì)量模型,計算各節(jié)點模型參數(shù),轉(zhuǎn)子系統(tǒng)集中質(zhì)量模型各節(jié)點信息如圖3所示,主要包括各節(jié)點質(zhì)量、極轉(zhuǎn)動慣量、直徑轉(zhuǎn)動慣量、外徑、等效抗彎剛度、軸段長度、支承剛度。采用riccati傳遞矩陣計算轉(zhuǎn)子系統(tǒng)不平衡響應(yīng),選擇平衡轉(zhuǎn)速為1020rpm,計算轉(zhuǎn)子系統(tǒng)前兩階振型如圖4所示??梢钥闯?,一階振型具有0個節(jié)點;二階振型具有1個節(jié)點,且節(jié)點兩側(cè)質(zhì)點同一時刻振動相位相反,振型情況與實際相符。4)采集轉(zhuǎn)子振動信號,并通過精確fft對工頻分量,即頻率為17hz的信號幅值相位進行提取。5)使用遺傳算法進行不平衡量數(shù)目識別,流程如圖5所示。將每一代遺傳算法優(yōu)化參數(shù)所得不平衡響應(yīng)與實際不平衡響應(yīng)對比,通過目標(biāo)函數(shù)計算適應(yīng)度值,直至達到收斂準(zhǔn)則。因傳感器位于節(jié)點3和節(jié)點12處,設(shè)定遺傳算法目標(biāo)函數(shù)如下所示:式中:u-轉(zhuǎn)子待優(yōu)化不平衡量向量;xr3,xr12-轉(zhuǎn)子系統(tǒng)節(jié)點3、12實測振動信號;f3,f12-轉(zhuǎn)子系統(tǒng)節(jié)點3、12理論不平衡響應(yīng);λ-正則化因子。目標(biāo)函數(shù)第一部分為轉(zhuǎn)子殘余振動平方和,第二部分為正則化項。根據(jù)本轉(zhuǎn)子系統(tǒng)實際振動響應(yīng),正則化因子設(shè)定如下:λ=107/(2.0503*10-4*xr2-0.0468*xr+2.320)/h(n)(13)式中:xr-轉(zhuǎn)子節(jié)點3和節(jié)點12實測不平衡振動幅值之和;n-節(jié)點位置;h(n)-節(jié)點位置n的函數(shù);h(n)函數(shù)可看作懲罰函數(shù),如圖6所示,對于同一不平衡量,若其位置距離軸承越近,h(n)值越大,目標(biāo)函數(shù)值則越小,從而避免識別結(jié)果集中在轉(zhuǎn)子距離軸承最遠的節(jié)點位置。遺傳算法采用二進制編碼,最大迭代次數(shù)為50,識別范圍為[0,100]g.mm,此步驟中假設(shè)所有不平衡量相位信息都為0°。6)不平衡量數(shù)目識別完成后,采用粒子群算法進行不平衡位置大小識別。不平衡質(zhì)量范圍為[0,100]g.mm,初始粒子范圍設(shè)為[0,45]g.mm。不平衡相位范圍為[0,360],初始粒子范圍同識別范圍。事實證明,此初始粒子范圍可獲得更高的識別精度。本轉(zhuǎn)子系統(tǒng)設(shè)有兩個加重盤,故分別進行單點和兩點不平衡量識別。本轉(zhuǎn)子系統(tǒng)單點不平衡量識別結(jié)果如表2所示,表中“@”前后分別代表不平衡質(zhì)量和相位。分別對不同質(zhì)量和不同相位的不平衡量進行識別,結(jié)果表明,識別效果較好。表2單點不平衡量識別結(jié)果不平衡量設(shè)置識別數(shù)目識別位置識別大小節(jié)點60.8g@0160.8445g@-1.4213節(jié)點61.6g@-45161.8182g@-48.8202節(jié)點61.2g@0161.3031g@-0.1565節(jié)點61.2g@45161.4400g@45.7317節(jié)點61.2g@90161.3291g@91.2589節(jié)點61.2g@135161.3575g@133.6578節(jié)點61.2g@180161.3303g@183.6312節(jié)點61.2g@225161.3202g@223.9846節(jié)點61.2g@270161.3334g@265.7787節(jié)點61.2g@315161.3031g@315.0562本轉(zhuǎn)子系統(tǒng)兩點不平衡量識別結(jié)果如表3所示,表中“@”前后分別代表不平衡質(zhì)量和相位。分別對不同質(zhì)量和不同相位的不平衡量進行識別,結(jié)果表明,不平衡量數(shù)目識別完全正確,不平衡大小具有一定識別效果。表3兩點不平衡量識別結(jié)果當(dāng)前第1頁12
當(dāng)前第1頁1 2 
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1
陆川县| 定陶县| 荃湾区| 茶陵县| 蒲江县| 峨山| 石景山区| 寻甸| 香河县| 连城县| 昭苏县| 琼海市| 兴业县| 开江县| 枝江市| 巍山| 无棣县| 武宁县| 卫辉市| 射阳县| 长白| 大英县| 都兰县| 和田县| 富民县| 天气| 基隆市| 宜宾县| 舞阳县| 平遥县| 敦化市| 青岛市| 安丘市| 博湖县| 济阳县| 新乡县| 泽州县| 娱乐| 枞阳县| 海安县| 疏勒县|