基于傅里葉分解算法的航空發(fā)動(dòng)機(jī)轉(zhuǎn)子碰摩故障診斷研究.pdf

1、學(xué)校代碼：10406分類號(hào)：V263.6學(xué)號(hào)：150308020109南昌航空大學(xué)碩士學(xué)位論文(學(xué)位研究生）基于傅里葉分解算法的航空發(fā)動(dòng)機(jī)轉(zhuǎn)子碰摩故障診斷研究碩士研究生：劉洋導(dǎo)師：劉曉波教授申請(qǐng)學(xué)位級(jí)別：碩士學(xué)科、專業(yè)：機(jī)械制造及其自動(dòng)化所在單位：航空制造工程學(xué)院答辯日期：2018年6月授予學(xué)位單位：南昌航空大學(xué)摘要轉(zhuǎn)子碰摩故障為航空發(fā)動(dòng)機(jī)機(jī)械設(shè)備常發(fā)故障類型，且在追求大功率、高涵道比及超高速機(jī)械性能時(shí)，常把轉(zhuǎn)子葉片與密封機(jī)匣、密封間隙

2、等部位精簡至最小，從而加劇了轉(zhuǎn)子碰摩故障的發(fā)生，碰摩初期發(fā)動(dòng)機(jī)系統(tǒng)振動(dòng)強(qiáng)烈，隨著碰摩故障的發(fā)生轉(zhuǎn)子系統(tǒng)繼發(fā)更加強(qiáng)烈的振動(dòng)，對(duì)航空發(fā)動(dòng)機(jī)的穩(wěn)定運(yùn)行帶來極其不利的影響，如何從復(fù)雜的轉(zhuǎn)子碰摩故障振動(dòng)信號(hào)中合理提取并識(shí)別故障特征信息，一直以來是轉(zhuǎn)子碰摩故障診斷領(lǐng)域的難點(diǎn)，為此本文提出了基于新型自適應(yīng)時(shí)頻分析方法傅里葉分解（FourierDecompositionMethod，F(xiàn)DM)算法的航空發(fā)動(dòng)機(jī)轉(zhuǎn)子碰摩故障診斷研宄。FDM是基于傅里葉基的，

3、在EMD理論基礎(chǔ)上發(fā)展而來的，完備的、正交的和自適應(yīng)的時(shí)頻分析方法，具有局部性，能夠?qū)崿F(xiàn)非線性非平穩(wěn)機(jī)械設(shè)備故障振動(dòng)信號(hào)的有效分解，利用該方法對(duì)機(jī)匣單點(diǎn)轉(zhuǎn)子全周碰摩故障振動(dòng)信號(hào)進(jìn)行分解，并對(duì)分解后的信號(hào)分量進(jìn)行Hilbert包絡(luò)譜分析，成功提取出轉(zhuǎn)子碰摩故障特征頻率，并通過對(duì)比分析不同自適應(yīng)時(shí)頻分析方法轉(zhuǎn)子碰摩故障診斷結(jié)果，驗(yàn)證基于FDM算法的轉(zhuǎn)子碰摩故障診斷方法的有效性。為解決基于FDM算法的轉(zhuǎn)子碰摩故障診斷方法無法實(shí)現(xiàn)故障特征信息時(shí)

4、頻分布范圍自適應(yīng)定位的問題，本文提出基于FDM和快速譜峭度算法的轉(zhuǎn)子碰摩故障診斷方法，利用快速譜峭度算法在準(zhǔn)確定位信號(hào)最大譜峭度分量頻譜區(qū)域的優(yōu)勢，實(shí)現(xiàn)了轉(zhuǎn)子碰摩特征信息分量所在頻譜區(qū)域的精準(zhǔn)定位，結(jié)果表明該方法能夠高效提取轉(zhuǎn)子碰摩故障特征頻率，在完善基于FDM算法轉(zhuǎn)子故障診斷方法的基礎(chǔ)上，驗(yàn)證了該診斷方法的可靠性?；谛盘?hào)相關(guān)性或沖擊強(qiáng)度準(zhǔn)則的故障診斷方法，無法有效規(guī)避故障振動(dòng)信號(hào)包含的強(qiáng)噪聲信號(hào)成份，為實(shí)現(xiàn)航空發(fā)動(dòng)機(jī)轉(zhuǎn)子碰摩故障的合