-
公开(公告)号：CN111046326B
公开(公告)日：2023-04-28
申请号：CN201911370033.4
申请日：2019-12-26
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于三误差耦合的大型高速回转装备误差分离方法。步骤1：三组电容传感器分布于航空发动机叶片上；步骤2：安装完传感器后，使转子转位一圈，利用安装的传感器对叶尖间隙进行测量；步骤3：滤去干扰信号；步骤4：基于滤波后的三组测量数据以及相关数学模型分离得到静子内表面径向尺寸跳动量、转自轴心初始安装位置以及转自轴心运动轨迹；步骤5：完成三误差量的评定后结束。大型高速回转装备静子内壁的圆度误差，转静子安装偏心以及大型高速回转装备转子的回转误差。对这些误差进行分离并以此为基础对大型高速回转装备的装配过程进行指导有利于改善其转静子间隙的均匀性，需要对各个误差进行分别测量，操作繁琐，耗时较长。
-
公开(公告)号：CN112903159B
公开(公告)日：2022-09-27
申请号：CN201911221752.X
申请日：2019-12-03
Applicant: 哈尔滨工业大学
IPC: G01L5/00 , G01N29/07 , G01N29/265
Abstract: 一种基于轮式干耦合超声的大型高速回转装备残余应力测量装置，属于转子应力测量技术领域。本发明解决了现有的大型高速回转装备应力测量中，传统的超声波法测量效率低、测量精度差且会对转子表面造成腐蚀的问题。它包括并排布置在转子部件表面的发射轮、第一接收轮、第二接收轮以及安装在发射轮内部的发射换能器、安装在第一接收轮内的第一接收换能器以及安装在第二接收轮内的第二接收换能器，发射轮、第一接收轮及第二接收轮的轴线相互平行设置，发射轮内以及两个接收轮内均填充有耦合剂。采用干耦合的方式实现超声波在换能器和被测件之间的传输，避免了现有技术中使用传统超声波方法存在的耦合剂必需与转子表面接触的情况，有效保证测量精度。
-
公开(公告)号：CN114580458A
公开(公告)日：2022-06-03
申请号：CN202111629390.5
申请日：2021-12-28
Applicant: 哈尔滨工业大学
IPC: G06K9/00 , G06K9/62 , G06N3/08 , G01M13/021 , G01M13/028 , G01M13/045
Abstract: 本发明公开了基于多个振动传感数据融合的大型回转装备健康预警监测方法和装置，属于大型回转装备的健康预警与故障诊断技术领域，解决不能将多个振动传感器采集的主轴状态特征信息进行有效融合的问题。本发明的方法包括：对振动信号进行特征提取，获取特征指标；建立大型回转装备健康预警模型；建立多个振动传感器决策级融合模型，包括：建立系统识别框架；获取单个传感器对应的信任函数和似然函数；获取融合的信任函数和融合的似然函数；确定主轴的工作状态；根据所述大型回转装备健康预警模型和所述多个振动传感器决策级融合模型，建立基于多个振动传感数据融合的大型回转装备健康预警模型。本发明适用于大型回转装备的健康预警与故障诊断。
-
公开(公告)号：CN114354184A
公开(公告)日：2022-04-15
申请号：CN202111624091.2
申请日：2021-12-28
Applicant: 哈尔滨工业大学
IPC: G01M13/028 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种基于深度学习的大型回转装备主轴健康预警模型建立方法和装置，属于大型回转装备主轴健康监测与状态识别技术领域，解决现有缺少主轴健康预警模型有效地保证大型回转装备工作性能的同时能显著地降低经济损失的问题。本发明的方法包括：获取大型回转装备主轴状态振动信号；分别从时域、频域和时频域进行特征提取，获取多维特征；对多维特征进行降维处理，将降维处理后的多维特征划分为训练集和测试集；基于BP神经网络建立大型回转装备主轴健康预警模型，并利用训练集和测试集对大型回转装备主轴健康预警模型进行训练和测试，完成大型回转装备主轴健康预警模型的建立。本发明适用于大型回转装备主轴健康监测与状态识别。
-
公开(公告)号：CN110906862B
公开(公告)日：2022-01-25
申请号：CN201911214416.2
申请日：2019-12-02
Applicant: 哈尔滨工业大学
Abstract: 本发明提供了一种大型高速回转装备几何形貌与质量特性一体化测量装置，包括平行设置在基座两侧的两个立柱、气浮轴系、调心调倾工作台、称重机构、翻转卡盘和起振机构；翻转卡盘调节被测转子的测量姿态，所述的气浮轴系设置在基座的中心，所述的气浮轴系由力矩电机带动，力矩电机的转轴末端固设有扭杆，扭杆的末端由励磁制动器制动，力矩电机上设有光栅测角机构，在两个立柱上滑动设置有四个横臂，且四个横臂两两一组，每个横臂的端部处均配置一球关节万向表架，在每一球关节万向表架的端部处配置一电感传感器。本发明通过单次装夹测得大型高速回转装备单级盘几何形貌参数与质量特性参数，测量集成化更高，节约测量时间与测量成本。
-
Patent Agency Ranking
公开(公告)号：CN112903160A
公开(公告)日：2021-06-04
申请号：CN201911221757.2
申请日：2019-12-03
Applicant: 哈尔滨工业大学
IPC: G01L5/00 , G01N29/07 , G01N29/265
Abstract: 一种基于临界折射纵波的大型高速回转装备装配应力测量方法，属于转子应力测量技术领域。本发明解决了现有的大型回转装备应力测量中，测量的空间分辨率与临界折射纵波信号的分离无法同时保证的问题，以及传统的超声波法测量效率低、测量精度差且会对转子表面造成腐蚀的问题。它采用测量装置实现，测量装置包括并排布置的发射轮、第一接收轮、第二接收轮以及安装在发射轮内部的发射换能器、安装在第一接收轮内的第一接收换能器以及安装在第二接收轮内的第二接收换能器，发射轮、第一接收轮及第二接收轮的轴线相互平行设置。通过将耦合剂填充在发射轮和两个接收轮内，有效避免了现有技术中使用传统超声波方法存在的耦合剂必需与转子表面接触的情况。
-
公开(公告)号：CN110877751B
公开(公告)日：2021-04-30
申请号：CN201911227462.6
申请日：2019-12-04
Applicant: 哈尔滨工业大学
IPC: B64F5/10 , B64F5/00 , G06F30/20 , G06F119/14 , G06F17/16
Abstract: 本发明提供了一种基于矢量投影的大型高速回转装备转动惯量堆叠方法，包括首先定义装配体全局坐标系、确定n级转子装配过程中，第i级转子的加工误差矩阵、安装相位矩阵；确定n级转子装配后各级转子由于坐标系平移变换引起的惯性张量传递矩阵、各级转子由于坐标系旋转变换引起的惯性张量传递矩阵，其次确定经过平移与旋转综合变换后第k级转子的全局惯性张量矩阵；然后确定装配体的全局惯性张量矩阵、确定n级转子装配绕转轴的转动惯量堆叠优化模型，最后，根据优化模型利用遗传算法寻优计算各级转子安装相位。本发明可以指导航空发动机转子多级盘装配，实现整体转动惯量最优，使航空发动机转子具有良好的启停特性和精确的姿态控制。
-
公开(公告)号：CN111125844A
公开(公告)日：2020-05-08
申请号：CN201911367201.4
申请日：2019-12-26
Applicant: 哈尔滨工业大学
Abstract: 本发明提出了基于遗传算法的大型高速回转装备误差分离优化方法，步骤一、建立优化传感器安装角度优化目标函数；步骤二、根据优化目标函数建立遗传算法的适应度函数；步骤三、设定各个参数的约束条件；步骤四、利用遗传算法对传感器S2和传感器S3相对于传感器S1的安装角度α和β进行寻优；步骤五、根据寻优结果对最优安装角度对应的叶片编号进行确定。本发明根据遗传算法优化得到的叶片编号安装三个传感器，对叶尖间隙数据进行测量并进行误差分离，可有效避免误差分离过程中的谐波抑制现象，提高误差分离精度。
-
公开(公告)号：CN111079229A
公开(公告)日：2020-04-28
申请号：CN201911326692.8
申请日：2019-12-20
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于云自适应遗传算法的大型高速回转装备双目标优化方法。步骤1：设置初始种群；步骤2：建立转子质量和质量矩物理模型，根据物理模型以及适应度函数要求设计适应度函数，并对初始种群的所有染色体进行适应度计算；步骤3：对初始种群采用轮盘赌法进行选择操作；步骤4：根据X条件下云发生器产生的概率为必要条件进行下列步骤；步骤5：采用重组交叉算子进行交叉操作；步骤6：采用两元素优化变异算子进行变异操作；步骤7：若未达到最大迭代次数，重复步骤3-6；若达到最大迭次数，迭代结束，输出最佳染色体。针对叶片划分象限质量差要求，其通过云自适应遗传算法对大型高速回转装备转子叶片排序，用于降低大型高速回转装备的质量矩。
-
公开(公告)号：CN111046326A
公开(公告)日：2020-04-21
申请号：CN201911370033.4
申请日：2019-12-26
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于三误差耦合的大型高速回转装备误差分离方法。步骤1：三组电容传感器分布于航空发动机叶片上；步骤2：安装完传感器后，使转子转位一圈，利用安装的传感器对叶尖间隙进行测量；步骤3：滤去干扰信号；步骤4：基于滤波后的三组测量数据以及相关数学模型分离得到静子内表面径向尺寸跳动量、转自轴心初始安装位置以及转自轴心运动轨迹；步骤5：完成三误差量的评定后结束。大型高速回转装备静子内壁的圆度误差，转静子安装偏心以及大型高速回转装备转子的回转误差。对这些误差进行分离并以此为基础对大型高速回转装备的装配过程进行指导有利于改善其转静子间隙的均匀性，需要对各个误差进行分别测量，操作繁琐，耗时较长。
-
-
-
-
-
-
-
-
-
Search Results
91
records
(took 0.032 seconds)
