34、旋转机械振动识别与减振技术研究

旋转机械振动识别与减振技术研究

一、基于模型的振动识别

1.1 理论基础

在振动识别中,当未知分量数量 $K$ 小于测量信号数量 $2M$ 时,方程组可能没有唯一解。此时可采用最小二乘法来找到识别问题的明确解,使系统动态响应的计算结果与测量结果之间的差异最小化。另一种方法是人为增加待求的缺陷数量,使 $K = 2M$,将方程重新排列成矩阵形式 $\Gamma \cdot T = \Phi$ 进行求解。

1.2 识别步骤

  1. 建立模型 :以鼓风机转子 - 轴系统为例,根据技术文档确定结构混合模型的基本参数,包括有限宏观单元数量、几何尺寸和材料常数。该系统的混合模型由 66 个有限宏观单元组成。
  2. 获取参数 :轴承刚度和阻尼系数由制造商提供,轴承座和基础的刚度系数通过三维有限元技术确定,并通过实验测试验证结果。
  3. 测量振动 :在 6 个轴承支撑上安装加速度计,测量水平和垂直方向的横向振动。在机器额定稳态运行时,同时记录 12 个信号。
  4. 信号处理 :对时域振动信号进行滤波、积分,使用快速傅里叶变换(FFT)将选定的时间窗口转换到频域。
  5. 确定模态响应 :通过对无缺陷的鼓风机转子 - 轴系统模型进行弯曲/横向特征振动分析,求解代数方程组确定矩阵 $V$ 的分量,从而得到模态响应振幅 $c_i$ 和 $s_i$。
  6. 识别缺陷
先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值