大型压缩机转子系统的耦合故障机理及智能诊断方法的研究

在大型压缩机转子系统中，一种故障的发生往往会诱发其它故障，形成多种故障耦合发生的状况，称为耦合故障。目前，国内外科技工作者采用非线性理论及方法对转子系统单一故障机理进行了大量的研究工作，但对耦合故障转子系统的动力学和故障机理研究还比较少。本项目以大型压缩机的转子系统为研究对象，主要研究某两种单一故障相耦合的情况，以转子动力学、非线性动力学为理论基础，根据研究对象的物理特点建立相应的数学力学模型，通过仿真研究获得其响应特征，再结合实验修正模型，进而准确获知某一种耦合故障的表征，建立起耦合故障转子系统有限元模型，利用模型试验及实际试车数据，得到耦合故障的特征演变规律并根据故障特征对诱发故障的原因进行深入研究，总结归纳故障原因，利用人工智能诊断方法（如专家系统、人工神经网络）形成耦合故障智能诊断体系，研究结果将为提高大型压缩机转子系统的可靠性与稳定性及故障诱发原因的诊断工作提供坚实的理论基础。

针对大型压缩机转子系统耦合故障诱因诊断较为困难的问题，根据研究对象的物理特点，运用Hertz接触理论和有限单元法，建立了转子系统在不同支撑条件下的不对中-碰摩、松动-碰摩耦合故障有限元模型，对耦合故障转子系统的动力学特性进行了研究。应用谐波平衡法对转子系统常开裂纹故障信息特征参数进行提取，得到了故障特征参数的相关数据，总结了故障征兆与故障类型的映射关系，确立了基于BP神经网络的故障转子智能诊断系统的基本框架和工作流程，使之能够由故障征兆经过推理机制判断出转子系统发生故障的类型，为现场工作人员进行下一步处置提供依据。