双转子中介轴承振动故障监测预警原理和方法研究

Turbofan major accident caused by double-rotor intershaft bearing vibration fault happens regularly. Independently developed fault monitoring and warning system are urgently desired by China. Hence, principle and method study on intershaft bearing vibration fault monitoring and warning is presented in this project. Complex transfer path, coupling with the rear bearing fault are common properties of double-rotor turbofan engine. The study of this project are conducted according to these properties. Based on theoretical analysis, modeling, simulation, numerical calculation and double-rotor bearing rig experiment, intershaft bearing fault mechanism is studied, fault weak signal transfer law of complex path is revealed, and the coupling mechanism of two bearing faults is researched. Based on condition monitoring data and advanced signal processing methods such as sparse representation (SpR) and Pseudo-frames for subspace (PFFS), weak fault signal feature extraction theory is studied under the direction of fault mechanism and transfer law. Furthermore, based on the research results of fault coupling mechanism and feature extraction, fault recognition method is studied through application of advanced pattern recognition techniques such as deep learning artificial neural network (DLANN) and support vector machine (SVM).Scientific basis and technological support are presented for the development of online monitoring and warning system of double-rotor turbofan aero engine intershaft bearing fault.

涡扇发动机双转子中介轴承振动故障导致的重大事故时有发生，迫切需要自主研发故障监测预警系统，双转子中介轴承振动故障监测预警理论和方法研究十分必要。针对涡扇发动机双转子结构和工况决定的复杂传递路径，以及中介轴承与后轴承故障耦合的特点，提出基于理论分析、建模仿真计算、双转子中介轴承实验台实验，研究中介轴承故障机理，揭示故障弱信号复杂路径的传递规律，探索中介轴承故障与后轴承故障的耦合机制。基于状态监测数据，运用稀疏表达（SpR）和子空间伪框架(PFFS) 等先进信号处理手段,以故障机理和传递规律为指导，研究故障微弱信号特征提取原理和方法。进而基于故障耦合机制和特征提取研究结果，运用深度学习神经网络（DLANN）及支持向量机（SVM）等先进模式识别技术，研究中介轴承早期故障识别原理和方法。为研制涡扇发动机中介轴承振动故障在线监测预警系统提供科学依据和技术支撑。

许多涡扇发动机采用双转子、中介轴承的结构型式：高压涡轮—高压压气机组成高压转子，低压涡轮—低压压气机组成低压转子，中介轴承支撑于高低压转子之间、内外圈均旋转。中介轴承其中关键零部件，一旦失效将直接导致转子支撑破坏甚至引发机械事故。由于振动传感器往往只能装于外机匣， 中介轴承故障信号需通过轴、轴端轴承、阻尼器、轴承座之后再经机匣传递出来，路径十分复杂，且中介轴承故障可能与后轴承故障产生耦合。针对上述实际需求和难点，本项目在双转子中介轴承振动故障监测预警原理和方法方面取得了一些重要进展。（1）开展了中介轴承故障机理、以及不同故障下机匣不同测点动态响应特点研究。 建立了实验台和有限元模型，研究了故障信号复杂路径传递规律和轴承故障信号耦合机制。在实验台上证实中介轴承故障引起的冲击信号经路径传递后，可在轴端轴承座上测量到。受到传递路径上的结构的影响，将在高频段某个频带内出现较高的能量分布——故障频带；而不同部位的滚动轴承发生故障时，其信号在频域上重合部分发生强耦合，反之发生弱耦合；因此实际进行故障特征提取时，避开强耦合频段即可。（2）开展了基于稀疏表达（Sparse Representations，SpR）方法之一的优化小波滤波消噪等方法的包络解调方法研究，通过小波滤波削弱随机噪声影响（相当于对故障特征进行增强），再用高通滤波和包络解调提取出轴承故障特征；在复杂传递路径和两轴承故障耦合条件下，可以提取出轴承故障特征频率；与之相比，传统包络解调则难以提取出轴承故障特征频率。（3）开展了基于支持向量机(SVM)的故障识别方法研究，对中介轴承故障特征提取结果进行自动识别。（4）以耦合机制和传递规律为指导，将特征提取和故障识别方法在不含外机匣实验台、含外机匣实验台、某大修厂实际燃气轮机上进行验证，故障特征频率与理论计算基本符合。（5）拓展了电机驱动的实际发动机应用研究，完成了某型发动机传感器安装和数据采集分析，得到了良好的轴承故障特征提取效果。总之，本项目研究采用理论分析、建模仿真计算、信号处理及模式识别算法、双转子中介轴承实验台实验等手段，初步揭示了故障弱信号复杂路径的传递规律和中介轴承故障与后轴承故障的耦合机制，形成了故障微弱信号特征提取和识别方法，为研制发动机中介轴承振动故障在线监测预警系统提供了科学依据和技术支撑。