大型转子机械早期故障特征识别与不平衡振动抑制规律-湖南科技大学.DOCVIP

推荐2018年度湖南省自然科学奖公示材料 项目名称： 大型转子机械早期故障特征识别与不平衡振动抑制规律 推荐奖种： 自然科学奖 主要完成人： 宾光富，冯 坤，李学军，江志农，高金吉，廖传军 主要完成单位： 湖南科技大学 北京化工大学 推荐单位： 湖南科技大学 项目简介： 大型转子机械如透平/往复式压缩机、燃气轮机、航空发动机、超超临界汽轮发电机、风力发电机等是国家经济发展和国防建设的关键核心设备。高参数、变工况、长期运行使这类机械尤其是多转子轴系故障变得更加突出。若不能确诊连续运转设备的潜在故障，及时排除早期故障，则会造成灾难性后果。目前基于经典信号处理的振动分析法已广泛采用，但如何从含强背景噪声的非平稳动态信号中提取早期故障特征是当前机械故障诊断研究中的瓶颈，直接关系到故障诊断的准确性和设备安全与可靠性。在国家863、国家自然科学基金等资助下，本项目借助现代信号处理和控制手段，深入研究大型转子机械早期故障信号的消噪、解调、增强等特征识别法与不平衡振动抑制规律，取得创新性成果和重要科学发现如下： (1) 基于小波变换的早期振动故障微弱特征提取 针对转子裂纹、松动、摩擦等早期故障信息弱、信噪比低问题，采用小波变换刻画信号在时频域局部化特征，剥离噪声干扰对信号的影响，提出基于WPD-EMD分解的IMF能量矩早期故障微弱特征识别法，达到精准诊断；提出一种基于Curvelet变换和多分类SVM的往复压缩机示功图特征提取法，实现故障识别与早期预警。 (2) 基于机理的冲击性振动信号特征早期识别 研究风电齿轮、机泵和燃机滚动轴承故障冲击特性机理，构建单周期冲击性机械振动故障信号模型，提出基于自适应小波和数学形态学的包络解调法，设计出一种最优ARLW小波滤波器，实现了滤波器截止频率的自动优化选择，工程应用表明对齿轮、轴承早期微弱故障特征识别的性能明显优于传统高通滤波包络解调法。 (3) 基于声发射的转子机械微弱故障智能识别 针对转子机械早期故障因振动信号特征微弱而难以诊断问题，研究转动部件早期损伤诱发声发射信号的机制，提出基于WVD时频分布的声发射信号特征提取法，识别损伤类型、位置及程度；研究滚动轴承早期故障声发射信号特征分布特性，提出基于稀疏编码收缩的软阈值法，消除小波滤波器通带中噪声并增强滚动轴承故障冲击特征，形成基于声发射的故障智能识别技术。 (4) 机械振动抑制规律与多转子轴系动平衡法 基于早期故障特征的识别，从响应信号特征关联的角度，提出基于相关函数的相似机械振动故障模式判别法，研究转子不平衡等故障发生发展规律；构建转子机械轴系动力学有限元模型，研究振动响应特性，揭示转子失衡振动抑制规律，提出HYPERLINK \l _Toc320975810基于虚拟动平衡的多转子轴系不平衡振动抑制法，实现高效、快速、少停机。 项目针对大型转子机械早期故障时变非平稳特点，提出多种微弱故障特征提取与识别法，揭示多转子不平衡振动故障演化及其抑制规律，促进机械故障诊断与振动控制理论发展；项目形成的8篇代表性论文的SCI他引291次、总他引365次，单篇最高SCI他引143次，且入选ESI高被引论文。引用者来自美、英、德、日、法等 30 多个国家和地区。引用的刊物包括Elsevier、IMechE、ASME等机械工程、模式识别、工业信息等业内权威学术刊物；项目开发形成的状态监测与故障预警、轴系虚拟动平衡等新技术，已成功应用于湘电风能、哈尔滨汽轮机厂、北京天然气管道、大庆石化等企业设备维护系统中，实时监测上千台(套)动力装备，有效预报排故800余台次，经济和社会效益显著。