CN104361408B - 一种航空发动机主轴承装配游隙选配方法 - Google Patents

Abstract

一种航空发动机主轴承装配游隙选配方法，包括如下步骤：数据采集；采集航空发动机各主轴承装配游隙及在此种主轴承游隙配合状态下的发动机整机振动情况；利用粗糙集分析；建立故障诊断模型；根据航空发动机的不同结构形式，引入该种结构状态下的转、静子振动力学特性，对上一步形成的决策依据进行修正；形成决策规则；按照决策规则，对航空发动机各主轴承装配游隙进行选配；将本次主轴承游隙选配数据及在此种主轴承游隙配合状态下的发动机整机振动情况数据反馈给数据采集系统。本发明的优点：通过对历史数据进行分析得出的主轴承游隙选配决策经不同数据验证，准确度达到90％以上，通过不断追加分析数据，准确率将更高。

Description

一种航空发动机主轴承装配游隙选配方法

技术领域

本发明涉及航空发动机装配尺寸选配方法，特别涉及了一种航空发动机主轴承装配游隙选配方法。

背景技术

航空发动机机的整机振动问题，一直是影响其安全、可靠工作的重要因素，是大多数国家在自行研制航空发动机机过程中都会遭遇的技术壁垒，是困扰着各国工程技术人员的一大难题。整机振动超标，可能造成转子与静子在小间隙处，如密封、叶尖的碰磨，轴承载荷过大，附件振动应力过大，个别零、部件萌生裂纹甚至失效断裂等。因此，几乎所有航空发动机对整机振动都有明确的限定值，超出振动限定值的航空发动机视为不合格，不能交付使用。

航空发动机主轴承游隙选配不合理是引起整机振动故障的重要因素之一，轴承游隙可引起转静子不同心，其支承刚度及保持架在游隙内的活动等均可以引起振动，甚至会引起旋转中心偏离几何中心线，产生冲击性的振动。据不完全统计，在已知的能引起航空发动机整机振动故障因素中，主轴承游隙选配不合理约占20％以上

由于传统的航空发动机振动理论侧重于对转、静子的振动力学特性进行分析，尚无有效的方法，定量的对主轴承游隙选配参数进行计算分析，通过调整主轴承游隙排除整机振动故障更无从谈起。

发明内容

本发明的目的是预判轴承游隙选配方案是否会引起整机振动故障，进而采取调整轴承游隙参数予以排除，特提供了一种航空发动机主轴承装配游隙选配方法。

本发明首先通过对航空发动机主轴承装配游隙数据进行离散化，然后利用粗糙集对数据进行计算分析，得出不能引起整机振动故障的主轴承游隙定量选配数据，同时引入转、静子振动力学修正，形成决策规则，在装配过程中对各主轴承游隙按定量选配数据进行控制，有效避免或排除因主轴承装配游隙选配不合理造成的整机振动故障。

本发明提供了一种航空发动机主轴承装配游隙选配方法，其特征在于：所述的航空发动机主轴承装配游隙选配方法，包括如下步骤：

第一步，数据采集；

采集航空发动机各主轴承装配游隙及在此种主轴承游隙配合状态下的发动机整机振动情况。

第二步，利用粗糙集分析；

建立故障诊断模型：

选取航空发动机所有主轴承游隙作为诊断因素，建立故障诊断模型：y＝f(A1,A2,…,An)，其中A1,A2,…,An为航空发动机各主轴承的游隙数据。y为航空发动机整机振动状态输出值，当y＝1时，表示航空发动机未发生整机振动故障；当y＝0时，表示航空发动机发生振动故障。

参数的离散化：

设X₁，X₂，X₃，X₄，X₅为决策表系统已经被断点{λ,β}划分得到的等价类。划分的目标是按照选定的断点集对连续条件属性划分后形成的等价类都具有相同的决策，即其信息熵为0，将诊断参数按下述方法进行离散化：

(1):P＝{λ,β}，L＝{X₁，X₂，X₃，X₄，X₅}；

(2):计算各等价划分子集X_i的信息熵H(X_i)(i＝1，2，3，4，5)；

(3):如果max{H(X_i)}＝0，则转到步骤7，否则转到步骤4；

(4):令X＝X_k，H＝H(X_k)(H(X_k)＝max{H(X_i)}，i＝1，2，3，4，5)，计算每个断点针对X的信息熵，记为H(c,X)；

(5):选择使H(c,X)最小的断点c_min加到P中，P＝P∪{c_min}，B＝B－{c_min}，重新按照P计算等价类集合L；

(6):计算每个等价划分子集X_i的信息熵H(X_i)，如果max{H(X_i)}＝0，则停止转到步骤(7)，否则转到(4)；

(7):算法结束，输出所选取的断点集P和等价类集合L。

将所有振动故障诊断杨蓓数据离散化成1、2、3、4、5，其所代表的参数意义分别为：1-小，2-较小，3-中，4较大，5大。

数据的约简和计算：

采用遗传算法或者其它启发式算法对离散化后的决策表进行约简。具体约简步骤为：删除相同的规则；删除多余的条件属性；简化决策表规则，即删除分类规则中多余的属性，只保留必要的属性。采用粗糙集计算约简后数据的所有决策规则，并对决策规则结果进行过滤，得到有一定置信度的并且一定量数据支持的决策作为最终决策依据。

第三步，根据航空发动机的不同结构形式，引入该种结构状态下的转、静子振动力学特性，对上一步形成的决策依据进行修正；

第四步，形成决策规则；

第五步，按照决策规则，对航空发动机各主轴承装配游隙进行选配；

第六步，将本次主轴承游隙选配数据及在此种主轴承游隙配合状态下的发动机整机振动情况数据反馈给数据采集系统。

本发明的优点：

本发明所述的航空发动机主轴承装配游隙选配方法，通过对历史数据进行分析得出的主轴承游隙选配决策经不同数据验证，准确度达到90％以上，通过不断追加分析数据，准确率将更高。

附图说明

下面结合附图及实施方式对本发明作进一步详细的说明：

图1为航空发动机主轴承装配游隙选配方法流程图。

具体实施方式

实施例1

本实施例提供了一种航空发动机主轴承装配游隙选配方法，其特征在于：所述的航空发动机主轴承装配游隙选配方法，包括如下步骤：

第一步，数据采集；

采集航空发动机各主轴承装配游隙及在此种主轴承游隙配合状态下的发动机整机振动情况。

第二步，利用粗糙集分析；

建立故障诊断模型：

选取航空发动机所有主轴承游隙作为诊断因素，建立故障诊断模型：y＝f(A1,A2,…,An)，其中A1,A2,…,An为航空发动机各主轴承的游隙数据。y为航空发动机整机振动状态输出值，当y＝1时，表示航空发动机未发生整机振动故障；当y＝0时，表示航空发动机发生振动故障。

参数的离散化：

设X₁，X₂，X₃，X₄，X₅为决策表系统已经被断点{λ,β}划分得到的等价类。划分的目标是按照选定的断点集对连续条件属性划分后形成的等价类都具有相同的决策，即其信息熵为0，将诊断参数按下述方法进行离散化：

(1):P＝{λ,β}，L＝{X₁，X₂，X₃，X₄，X₅}；

(2):计算各等价划分子集X_i的信息熵H(X_i)(i＝1，2，3，4，5)；

(3):如果max{H(X_i)}＝0，则转到步骤7，否则转到步骤4；

(4):令X＝X_k，H＝H(X_k)(H(X_k)＝max{H(X_i)}，i＝1，2，3，4，5)，计算每个断点针对X的信息熵，记为H(c,X)；

(5):选择使H(c,X)最小的断点c_min加到P中，P＝P∪{c_min}，B＝B－{c_min}，重新按照P计算等价类集合L；

(6):计算每个等价划分子集X_i的信息熵H(X_i)，如果max{H(X_i)}＝0，则停止转到步骤(7)，否则转到(4)；

(7):算法结束，输出所选取的断点集P和等价类集合L。

将所有振动故障诊断杨蓓数据离散化成1、2、3、4、5，其所代表的参数意义分别为：1-小，2-较小，3-中，4较大，5大。

数据的约简和计算：

采用遗传算法或者其它启发式算法对离散化后的决策表进行约简。具体约简步骤为：删除相同的规则；删除多余的条件属性；简化决策表规则，即删除分类规则中多余的属性，只保留必要的属性。采用粗糙集计算约简后数据的所有决策规则，并对决策规则结果进行过滤，得到有一定置信度的并且一定量数据支持的决策作为最终决策依据。

第三步，根据航空发动机的不同结构形式，引入该种结构状态下的转、静子振动力学特性，对上一步形成的决策依据进行修正；

第四步，形成决策规则；

第五步，按照决策规则，对航空发动机各主轴承装配游隙进行选配；

第六步，将本次主轴承游隙选配数据及在此种主轴承游隙配合状态下的发动机整机振动情况数据反馈给数据采集系统。

Claims (1)

1.一种航空发动机主轴承装配游隙选配方法，其特征在于：所述的航空发动机主轴承装配游隙选配方法，包括如下步骤：

第一步，数据采集；

采集航空发动机各主轴承装配游隙及在此种主轴承游隙配合状态下的发动机整机振动情况；

第二步，利用粗糙集分析；

建立故障诊断模型：

选取航空发动机所有主轴承游隙作为诊断因素，建立故障诊断模型：y＝f(A1,A2,…,An)，其中A1,A2,…,An为航空发动机各主轴承的游隙数据；y为航空发动机整机振动状态输出值，当y＝1时，表示航空发动机未发生整机振动故障；当y＝0时，表示航空发动机发生振动故障；

参数的离散化：

设X₁，X₂，X₃，X₄，X₅为决策表系统已经被断点{λ,β}划分得到的等价类；划分的目标是按照选定的断点集对连续条件属性划分后形成的等价类都具有相同的决策，即其信息熵为0，将诊断参数按下述方法进行离散化：

(1):P＝{λ,β}，L＝{X₁，X₂，X₃，X₄，X₅}；

(2):计算各等价划分子集X_i的信息熵H(X_i)(i＝1，2，3，4，5)；

(3):如果max{H(X_i)}＝0，则转到步骤7，否则转到步骤4；

(4):令X＝X_k，H＝H(X_k)(H(X_k)＝max{H(X_i)}，i＝1，2，3，4，5)，计算每个断点针对X的信息熵，记为H(c,X)；

(5):选择使H(c,X)最小的断点c_min加到P中，P＝P∪{c_min}，B＝B－{c_min}，重新按照P计算等价类集合L；

(6):计算每个等价划分子集X_i的信息熵H(X_i)，如果max{H(X_i)}＝0，则停止，并转到步骤(7)，否则转到(4)；

(7):算法结束，输出所选取的断点集P和等价类集合L；

将所有振动故障诊断数据离散化成1、2、3、4、5，其所代表的参数意义分别为：1-小，2-较小，3-中，4较大，5大；

数据的约简和计算：

采用遗传算法或者其它启发式算法对离散化后的决策表进行约简；具体约简步骤为：删除相同的规则；删除多余的条件属性；简化决策表规则，即删除分类规则中多余的属性，只保留必要的属性；采用粗糙集计算约简后数据的所有决策规则，并对决策规则结果进行过滤，得到有一定置信度的并且一定量数据支持的决策作为最终决策依据；

第三步，根据航空发动机的不同结构形式，引入对应结构状态下的转、静子振动力学特性，对上一步形成的决策依据进行修正；

第四步，形成决策规则；

第五步，按照决策规则，对航空发动机各主轴承装配游隙进行选配；

第六步，将本次主轴承游隙选配数据及在此种主轴承游隙配合状态下的发动机整机振动情况数据反馈给数据采集系统。