基于耦合动力学与机器学习的转静碰摩耦合故障分析与辨识

旋转机械转静碰摩是典型的二次／孪生故障，具有明显的耦合故障特征，当故障发生时，转子、轴承与机匣系统的运动相互作用、相互影响，共同存在于一个耦合系统中。本项目首先引入耦合动力学思想，建立含转静碰摩耦合故障的转子－轴承－机匣耦合系统动力学模型。通过数值积分获取系统响应，研究碰摩耦合故障的非线性动力学行为，并在此基础上，利用先进信号分析方法提取故障频域特征、时频特征、高阶谱特征及混沌等多维特征，在特征优化选取的基础上，形成碰摩耦合故障典型样本集；然后引入机器学习方法，利用粗糙集、决策树及神经网络等方法直接从故障样本中提取出碰摩耦合故障的诊断知识规则，并以此作为碰摩耦合故障机理分析和智能诊断的依据；最后，建立和改造转子试验台进行理论和方法的实验验证。本项目的创新点在于：一方面，建立更为完善的含碰摩耦合故障的转子-轴承-机匣耦合动力学模型，另一方面，架起转静碰摩故障机理分析和故障诊断的桥梁。