基于深度学习的转子动平衡
随着我国工业的迅速发展，旋转机械在航空航天、发电、汽车、船舶推进及燃气涡轮机械等相关设备中应用广泛。转子不平衡作为旋转机械中常见的故障，对于转子系统的健康稳定运行有着极其重要的影响，能否有效降低转子的不平衡，保证系统长期安全稳定的运行成为旋转机械设备在各类重要领域发挥关键作用的重要保障。 在航空发动机领域，较高的推重比要求使得转子结构趋于柔性，伴随的问题是不平衡量导致的振动不断增加，危害发动机的安全性以及可靠性。如何能在轴承-转子-机匣的复杂封闭结构中研究出对应的振动特性，通过在轴承处测得的振动准确识别出转子的不平衡量成为学术界关注的问题。 考虑到上述情况，本文针对某型航空发动机转子的不平衡问题将神经网络引入到发动机转子不平衡量的识别过程中，研究神经网络进行转子不平衡量识别的可行性。本文建立了某型航空发动机模型并建立不同的神经网络训练结构;首先，对发动机中的单个转子的不平衡量进行神经网络训练并进行不平衡量的识别;其次，通过中介轴承进行发动机双转子的不平衡量神经网络的训练及不平衡量的识别;最后，计算轴承-轴承之间的传递函数，进行带机匣的发动机转子不平衡量的神经网络训练并对不平衡量进行识别。 通过本文对以上内容的进行人工神经网络训练以及网络输出结果分析，我们可以得知应用人工神经网络进行转子不平衡量的识别具备方法的合理性，通过运用模拟数据进行网络训练可以实现不平衡量的识别。
航空发动机;转子动平衡;不平衡量;识别模型
北京化工大学
硕士
机械工程
王维民;王志君
2020
中文
V231.96
2020-11-17（万方平台首次上网日期，不代表论文的发表时间）