【摘 要】
：
转子两端以滑动轴承支撑,轴上的六个圆盘直径均为170 mm,宽度为25 mm,转轴的基本直径为44 mm,轴颈直径为32 mm.以该非线性多自由度转子系统为研究对象,建立了非线性油膜力三阶近似表达式,并采用摄动法求解了该非线性表达式的三次近似解.同时引入遗传算法对非线性油膜力的动力参数和转子不平衡量进行优化,以轴颈振动的工频、倍频和三倍频的幅值和相位信息为系统的优化目标,即评价函数f(I)=∑Pi
【机 构】
：
浙江省杭州市,浙江大学化工机械研究所,310027
【出 处】
：
2006年全国振动工程及应用学术会议
论文部分内容阅读
转子两端以滑动轴承支撑,轴上的六个圆盘直径均为170 mm,宽度为25 mm,转轴的基本直径为44 mm,轴颈直径为32 mm.以该非线性多自由度转子系统为研究对象,建立了非线性油膜力三阶近似表达式,并采用摄动法求解了该非线性表达式的三次近似解.同时引入遗传算法对非线性油膜力的动力参数和转子不平衡量进行优化,以轴颈振动的工频、倍频和三倍频的幅值和相位信息为系统的优化目标,即评价函数f(I)=∑Pi(umi-ui)2权重误差最小.结果表明此方法能够有效识别非线性转子轴承系统的不平衡量,并能达到较高的识别精度.
其他文献
本文论述了汽轮发电机组振动故障诊断知识的分类和基于模糊推理树可视化的知识组织,利用上述研究成果,开发了基于模糊推理树的可视化知识库管理系统KMSystem.
工业PC机在故障诊断领域广泛应用,但也存在一些不足.在比较工业PC和嵌入式系统的优缺点之后,研究了嵌入式Web服务器的基础上构建故障诊断系统的新技术.提出一个实验系统的软件和硬件结构,并探讨了如何解决实时性问题以及如何实现TCP/IP协议.新系统在体积、功耗、成本等方面比工业PC机更有优势.
文章提出了在分布式机械设备远程故障诊断中的Bayes网络的研究方法,对复杂机械诊断的复杂性,模糊性提出了新的解决方法的研究.首先提出了Bayes网络的模型的数学理论,在此理论的基础上组建了简单两层QMR模型的Bayes网络,同时对模型的学习及推理方法进行了阐述,并应用实例对Bayes网络进行了学习验证.
支持向量机是20世纪90年代中期发展起来的机器学习技术,建立在结构风险最小化原理之上的,具有能在训练样本数很少的情况下达到很好分类推广优点的学习算法[1].本文对用于分类的支持向量机做以介绍,并将其应用在噪声监测中,实现对产品质量进行分类的目的.
神经网络集成通过训练多个神经网络并将其结论进行融合,可以显著地提高学习系统的泛化能力.本文从神经网络集成构造过程综述了提高神经网络集成性能的方法,针对目前集成方法研究中网络生成过程和决策过程集成输出不一致的问题,本文提出一种新的集成模式-紧凑神经网络集成模式,该模式在同一个学习过程中同时优化成员网络结构参数和成员网络的权重,从而可望使训练过程与决策过程一致,并有望使网络集成的稳定性和泛化性得到提高
新轴承异音产生的原因有多种,如,几何误差、划伤缺陷、润滑剂不清洁、轴承结构不合理,等等.这些因素中制造不合格原因是最主要的.而制造因素又反映在几何误差和缺陷问题上.因此,新轴承都需要进行严格的检查.当检查出轴承有了异音后需要判断引起的原因,以便对工艺进行改进和控制.作者曾通过专门试验方法探讨了轴承异音的特征.本文针对轴承受激振的模型,利用频率的理论分析方法,模拟了轴承零件表面缺陷可能引起的振动频率
提出了一种实现多种特征共存的复合信号的特征提取的新方法.该方法将基于滤波器组的非参数基函数特征波形估计方法应用于传统的匹配追踪(MP)算法中,使每次提取的最匹配于信号结构的一个特征波形是用一组由模板信号通过滤波器组所产生的非参数基函数的线性展开来表示,克服了MP算法需要预先构造用参数表达的基函数的缺点.仿真信号验证了该方法的可行性和有效性,即使是在噪声和信号中特征波形频带重叠的情况下,也能将信号分
本文报道了用声发射法对复合材料飞轮试件高速旋转时损伤信号的采集,并借助其它辅助检测方法使损伤类型与损伤信号一一对应;也研究了飞轮试件的最终失效形式和失效判据.
广泛应用于天然气传输的2D12往复压缩机,大部分压缩机已运行到机器寿命的中后期,这也是机器常常出现故障的时期,因此针对这一时期的压缩机进行故障诊断不仅能够提高运行的效率,而且也是生产安全的重要保证.气阀故障是压缩机的常见故障,本文采用气阀阀盖的振动信号的局部特征提取信号提取,对提取信号进行模态参数的随机子空间法(SSI)辨识,进而为气阀的故障特征提供灵敏度较高的故障特征参数.
对粗糙集理论用于解决知识处理问题涉及到的相关概念进行了分析.得出基于该工具实现知识发现的理论基础是知识等价概念和知识包含关系.因此基于该工具解决特定工程领域的知识发现问题,研究用数据集必须真实的要求被提到了极高的程度,这是保证相关研究成果具有工程应用价值的最关键环节.