CN109960870A - 基于接触面积极大化测调的大型高速回转装备多级零部件刚度预测方法 - Google Patents
基于接触面积极大化测调的大型高速回转装备多级零部件刚度预测方法 Download PDFInfo
- Publication number
- CN109960870A CN109960870A CN201910218039.3A CN201910218039A CN109960870A CN 109960870 A CN109960870 A CN 109960870A CN 201910218039 A CN201910218039 A CN 201910218039A CN 109960870 A CN109960870 A CN 109960870A
- Authority
- CN
- China
- Prior art keywords
- rotor
- angle
- measurement
- stage rotor
- circle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
Abstract
本发明提出了基于接触面积极大化测调的大型高速回转装备多级零部件刚度预测方法。本发明考虑了圆轮廓测量中的转子偏心误差、传感器测头偏移量、传感器测球半径三个参数分量,建立了三参数圆轮廓测量模型,可以准确的估计出偏心误差;依据多级转子传递关系,获得各级转子间接触面的偏移量,计算出接触面的截面积,依据抗拉刚度公式,获得抗拉刚度的目标函数,实现航空发动机多级转子装配刚度预测。
Description
技术领域
本发明属于机械装配技术领域,特别是涉及基于接触面积极大化测调的大型高速回转装备多级零部件刚度预测方法。
背景技术
航空发动机高压组合转子包括高压压气机(HPC)转子和高压涡轮(HPT)转子,是航空发动机中最为关键部件。转子系统的动态力学特性对航空发动机的可靠性与安全性有重要的影响,随着对航空发动机性能要求的不断提高,这种影响更为显著。如何提高转子的性能已成为当前一个研究的热点和难点。由动力学方程可知,结构刚度是转子整机性能的一个重要指标。提高转子结构的刚度,对于减轻转子重量、提升转子动态响应特性、提高发动机精度都有重要的意义。实现刚度优化要建立在准确预测刚度的基础上。因此,为改善和提升现有航空发动机高压组合转子的动态性能,满足新一代先进航空发动机的研制需要,进行高压组合转子整机刚度的预测十分必要。
关于整机刚度,天津大学提出了一种机床整机静刚度的优化设计方法(一种机床整机静刚度的优化设计方法,公开号CN 104156501 A),该方法包括以下步骤:(一)在Pro/E软件中建立机床整机简化模型;(二)将机床简化模型导入SAMCEF软件中,建立整机有限元模型;(三)对整机大件结构刚度特性进行参数化,确定设计参数和设计空间;(四)应用中心复合试验设计方法选取有限元分析的试验样本点;(五)对试验样本点进行有限元分析,得到样本点的整机静刚度响应值;(六)建立大件结构刚度特性参数与机床整机静刚度的响应面模型;(七)分析各大件结构刚度对机床整机静刚度的灵敏度,确定静刚度薄弱环节,进行优化设计。
浙江大学提出一种基于细分结构的机床龙门结构刚度的优化设计方法(一种基于细分结构的机床龙门结构刚度的优化设计方法,公开号CN 106650178 A),该方法包括以下步骤:(一)建立基础龙门结构三维模型,通过细分构型的参数驱动修改调整三维模型参数获得一系列的三维模型作为结构模板(二)通过有限元分析得到结构性能数据,形成机床龙门结构件样本库;(三)将设计人员输入的机床龙门结构的初始方案结构依据基础构型和细分构型进行优化处理以满足机床加工工况的刚度要求。
以上方法可归纳为通过基于实验的实验数据测定整机刚度,其不足之处在于计算过程繁琐、设计成本高;未能建立理论模型,未考虑单级转子圆轮廓测量误差对整机装配后刚度的影响,无法实现整机装配后刚度的准确预测。
发明内容
本发明目的是为了解决现有的技术问题,提供了一种基于接触面积极大化测调的大型高速回转装备多级零部件刚度预测方法,所述预测方法从原理上建立了航空发动机转子整体刚度的预测模型,解决多级转子装配后刚度低问题,改善发动机性能。
本发明是通过以下技术方案实现的,本发明提出基于接触面积极大化测调的大型高速回转装备多级零部件刚度预测方法,
建立单级转子三参数圆轮廓测量模型,该模型包含被测单级转子偏心误差、传感器测头偏移量和传感器测球半径引起的误差;
所述三参数圆轮廓测量模型的测量方程为:
式中,ρi为传感器测头到测量回转中心的距离,e为转子偏心误差,θi为相对于回转中心的采样角度,α为转子偏心角,r为传感器测球半径,n为采样点数,r0为转子半径,Δri为转子表面加工误差,d为传感器测头偏移量;
当偏心误差相对于转子半径较小时,所述测量方程通过幂级数展开,可以得到简化的三参数圆轮廓测量模型为:
将滤波后的圆轮廓数据带入所述简化的三参数圆轮廓测量模型中,可以准确的估计出单级转子偏心误差;
多级转子由各单级转子依次装配形成,装配后第n级转子偏移量表示为:
式中dx0-n为装配后第n级转子测量面圆心在X轴方向上的累积偏移量,dy0-n为装配后第n级转子测量面圆心在Y轴方向上的累积偏移量,Sxj-1为第j-1级转子基准平面绕X轴旋转θxj-1角度的旋转矩阵;Syj-1为第j-1级转子基准平面绕Y轴旋转θyj-1角度的旋转矩阵,Srj-1为第j-1级转子基准平面绕Z轴旋转θrj-1角度的旋转矩阵;pi为第i级转子径向测量面圆心的理想位置向量;dpi为第i级转子径向测量面圆心位置的加工误差向量;Sri为第i级转子绕Z轴旋转θri角度的旋转矩阵;Sr1为单位矩阵;
转子间装配接触面的截面积S的表达式为:
式中R为接触面外直径,r为接触面内直径,偏心误差偏心角dθ=arctan(dy0-n/dx0-n),其抗拉刚度为ES,其中E为材料的弹性模量;
从而获得多级转子抗拉刚度的目标函数,实现航空发动机转子刚度预测。
进一步地,所述偏心误差相对于转子半径较小,具体为:e/r0<10-3。
附图说明
图1是本发明基于接触面积极大化测调的大型高速回转装备多级零部件刚度预测方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
结合图1,本发明提出基于接触面积极大化测调的大型高速回转装备多级零部件刚度预测方法,
建立单级转子三参数圆轮廓测量模型,该模型包含被测单级转子偏心误差、传感器测头偏移量和传感器测球半径引起的误差;
所述三参数圆轮廓测量模型的测量方程为:
式中,ρi为传感器测头到测量回转中心的距离,e为转子偏心误差,θi为相对于回转中心的采样角度,α为转子偏心角,r为传感器测球半径,n为采样点数,r0为转子半径,Δri为转子表面加工误差,d为传感器测头偏移量;
当偏心误差相对于转子半径较小时,所述测量方程通过幂级数展开,可以得到简化的三参数圆轮廓测量模型为:
将滤波后的圆轮廓数据带入所述简化的三参数圆轮廓测量模型中,可以准确的估计出单级转子偏心误差;
多级转子由各单级转子依次装配形成,装配后第n级转子偏移量表示为:
式中dx0-n为装配后第n级转子测量面圆心在X轴方向上的累积偏移量,dy0-n为装配后第n级转子测量面圆心在Y轴方向上的累积偏移量,Sxj-1为第j-1级转子基准平面绕X轴旋转θxj-1角度的旋转矩阵;Syj-1为第j-1级转子基准平面绕Y轴旋转θyj-1角度的旋转矩阵,Srj-1为第j-1级转子基准平面绕Z轴旋转θrj-1角度的旋转矩阵;pi为第i级转子径向测量面圆心的理想位置向量;dpi为第i级转子径向测量面圆心位置的加工误差向量;Sri为第i级转子绕Z轴旋转θri角度的旋转矩阵;Sr1为单位矩阵;
转子间装配接触面的截面积S的表达式为:
式中R为接触面外直径,r为接触面内直径,偏心误差偏心角dθ=arctan(dy0-n/dx0-n),其抗拉刚度为ES,其中E为材料的弹性模量;
从而获得多级转子抗拉刚度的目标函数,实现航空发动机转子刚度预测。
所述偏心误差相对于转子半径较小,具体为:e/r0<10-3。
现场装配中,航空发动机转子装配后刚度亦与装配环境中温度、湿度、装配过程中螺栓拧紧力矩及拧紧顺序等因素有关。由于各种因素间的耦合作用,转子装配后刚度预测值与实际测量值之间存在偏差。建立BP神经网络,利用预测值与实际测量值之间的偏差对网络模型参数进行修正,实现多级零部件装配后刚度的精准预测。神经网络参数选择主要包括隐含层层数选择、隐含层节点数选择及学习因子选择。采用九级转子2000组数据进行实验,利用1200组数据作为网络模型训练数据,400组作为交叉验证数据,400组作为测试数据,对网络参数进行训练。
(1)隐含层层数及节点数的选择
神经网络隐含层层数及节点数的增加,能够增强网络的非线性拟合能力,对实际值更好的逼近,但网络的复杂度也随之提高,网络易陷入过拟合。设置网络预测误差为0.0002,隐含层节点数均为50个,通过交叉验证代价函数与中间节点数的关系曲线,得到最优网络层数,确保网络收敛的同时拟合效果达到最优。实验验证,最优隐含层层数为2层。类似的,设置网络预测误差为0.0002,隐含层层数为2层,通过交叉验证代价函数与隐含层节点数的关系曲线,可以得到最优中间节点数为60个。
(2)学习因子的选择
学习因子决定了迭代速率。学习因子较小时,可以确保算法收敛,但易陷入局部最优解且网络运行效率较低。学习因子较大时,能够有效提高算法效率,但迭代易发散。设置网络预测误差为0.0002,隐函层数为2层,通过交叉验证与中间节点数的关系曲线,得到最优学习因子,确保网络收敛的同时算法迭代效率最高。实验验证,最优学习因子为0.012。
由此,构建了隐含层层数为2层,隐含层节点数为60个,学习因子为0.012的4层BP神经网络,实现了对多级零部件装配后刚度的精准预测。
本发明考虑了圆轮廓测量中的转子偏心误差、传感器测头偏移量、传感器测球半径三个参数分量,建立了三参数圆轮廓测量模型,可以准确的估计出偏心误差;依据多级转子传递关系,获得各级转子间接触面的偏移量,计算出接触面的截面积,依据抗拉刚度公式,获得抗拉刚度的目标函数,实现转子装配刚度预测。考虑了实际装配中影响转子装配后刚度的各因素,建立转子刚度预测BP神经网络修正模型,实现航空发动机多级转子装配后刚度的精准预测。
以上对本发明所提供的基于接触面积极大化测调的大型高速回转装备多级零部件刚度预测方法,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (2)
1.基于接触面积极大化测调的大型高速回转装备多级零部件刚度预测方法,其特征在于:
建立单级转子三参数圆轮廓测量模型,该模型包含被测单级转子偏心误差、传感器测头偏移量和传感器测球半径引起的误差;
所述三参数圆轮廓测量模型的测量方程为:
式中,ρi为传感器测头到测量回转中心的距离,e为转子偏心误差,θi为相对于回转中心的采样角度,α为转子偏心角,r为传感器测球半径,n为采样点数,r0为转子半径,Δri为转子表面加工误差,d为传感器测头偏移量;
当偏心误差相对于转子半径较小时,所述测量方程通过幂级数展开,可以得到简化的三参数圆轮廓测量模型为:
将滤波后的圆轮廓数据带入所述简化的三参数圆轮廓测量模型中,可以准确的估计出单级转子偏心误差;
多级转子由各单级转子依次装配形成,装配后第n级转子偏移量表示为:
式中dx0-n为装配后第n级转子测量面圆心在X轴方向上的累积偏移量,dy0-n为装配后第n级转子测量面圆心在Y轴方向上的累积偏移量,Sxj-1为第j-1级转子基准平面绕X轴旋转θxj-1角度的旋转矩阵;Syj-1为第j-1级转子基准平面绕Y轴旋转θyj-1角度的旋转矩阵,Srj-1为第j-1级转子基准平面绕Z轴旋转θrj-1角度的旋转矩阵;pi为第i级转子径向测量面圆心的理想位置向量;dpi为第i级转子径向测量面圆心位置的加工误差向量;Sri为第i级转子绕Z轴旋转θri角度的旋转矩阵;Sr1为单位矩阵;
转子间装配接触面的截面积S的表达式为:
式中R为接触面外直径,r为接触面内直径,偏心误差偏心角dθ=arctan(dy0-n/dx0-n),其抗拉刚度为ES,其中E为材料的弹性模量;
从而获得多级转子抗拉刚度的目标函数,实现航空发动机转子刚度预测。
2.根据权利要求1所述的方法,其特征在于,所述偏心误差相对于转子半径较小,具体为:e/r0<10-3。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910218039.3A CN109960870B (zh) | 2019-03-21 | 2019-03-21 | 基于接触面积极大化测调的大型高速回转装备多级零部件刚度预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910218039.3A CN109960870B (zh) | 2019-03-21 | 2019-03-21 | 基于接触面积极大化测调的大型高速回转装备多级零部件刚度预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109960870A true CN109960870A (zh) | 2019-07-02 |
CN109960870B CN109960870B (zh) | 2022-06-14 |
Family
ID=67024734
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910218039.3A Active CN109960870B (zh) | 2019-03-21 | 2019-03-21 | 基于接触面积极大化测调的大型高速回转装备多级零部件刚度预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109960870B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110334440A (zh) * | 2019-07-04 | 2019-10-15 | 西北工业大学 | 基于神经网络的转子有限元模型优化设计方法 |
CN113190786A (zh) * | 2021-05-13 | 2021-07-30 | 岳聪 | 一种大型旋转装备利用多维装配参数的振动预测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA1070412A (en) * | 1975-05-19 | 1980-01-22 | Andrew Gabor | Electrical centering and boring system for transducers |
CN104061944A (zh) * | 2014-06-13 | 2014-09-24 | 北京航天控制仪器研究所 | 一种旋转轴系角速率精度标定检测装置 |
CN105426565A (zh) * | 2015-10-15 | 2016-03-23 | 哈尔滨工业大学 | 基于概率密度技术的大型高速回转装备形位公差分配方法 |
CN105426566A (zh) * | 2015-10-15 | 2016-03-23 | 哈尔滨工业大学 | 基于蒙特卡罗技术的大型高速回转装备形位公差分配方法 |
CN107153029A (zh) * | 2017-06-09 | 2017-09-12 | 上海应用技术大学 | 一种测试轮盘结合面切向刚度的装置及方法 |
-
2019
- 2019-03-21 CN CN201910218039.3A patent/CN109960870B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA1070412A (en) * | 1975-05-19 | 1980-01-22 | Andrew Gabor | Electrical centering and boring system for transducers |
CN104061944A (zh) * | 2014-06-13 | 2014-09-24 | 北京航天控制仪器研究所 | 一种旋转轴系角速率精度标定检测装置 |
CN105426565A (zh) * | 2015-10-15 | 2016-03-23 | 哈尔滨工业大学 | 基于概率密度技术的大型高速回转装备形位公差分配方法 |
CN105426566A (zh) * | 2015-10-15 | 2016-03-23 | 哈尔滨工业大学 | 基于蒙特卡罗技术的大型高速回转装备形位公差分配方法 |
CN107153029A (zh) * | 2017-06-09 | 2017-09-12 | 上海应用技术大学 | 一种测试轮盘结合面切向刚度的装置及方法 |
Non-Patent Citations (3)
Title |
---|
CHUANZHI SUN .ETC: ""Design of roundness measurement model with multi-systematic error for cylindrical components with large radius"", 《REVIEW OF SCIENTIFIC INSTRUMENT》 * |
孙传勇: ""基于矢量投影的多级转子同轴度测量方法研究"", 《中国博士学位论文全文数据库》 * |
安永生等: ""螺杆泵转子三维运动仿真分析及型线优化设计"", 《中国石油大学学报(自然科学版)》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110334440A (zh) * | 2019-07-04 | 2019-10-15 | 西北工业大学 | 基于神经网络的转子有限元模型优化设计方法 |
CN113190786A (zh) * | 2021-05-13 | 2021-07-30 | 岳聪 | 一种大型旋转装备利用多维装配参数的振动预测方法 |
CN113190786B (zh) * | 2021-05-13 | 2024-03-15 | 岳聪 | 一种大型旋转装备利用多维装配参数的振动预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109960870B (zh) | 2022-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110608710A (zh) | 一种基于叶端定时的转子叶片动应变场测量方法及其系统 | |
Sun et al. | Prediction method of concentricity and perpendicularity of aero engine multistage rotors based on PSO-BP neural network | |
CN107391858B (zh) | 一种获取风洞模型静气动弹性变形影响量的方法 | |
US20160109324A1 (en) | Method and apparatus of multi-axis resonance fatigue test | |
US10760448B2 (en) | Deep learning regulation and control and assembly method and device for large-scale high-speed rotary equipment based on dynamic vibration response properties | |
CN104166758B (zh) | 一种转子‑叶片耦合系统固有频率的确定方法 | |
US10794790B2 (en) | Large-scale high-speed rotary equipment measuring and neural network learning regulation and control method and device based on rigidity vector space projection maximization | |
Yang et al. | Dynamic coupling vibration of rotating shaft–disc–blade system—Modeling, mechanism analysis and numerical study | |
CN109960870A (zh) | 基于接触面积极大化测调的大型高速回转装备多级零部件刚度预测方法 | |
Manwaring et al. | Structures and Dynamics Committee Best Paper of 1996 Award: Inlet Distortion Generated Forced Response of a Low-Aspect-Ratio Transonic Fan | |
CN106354955A (zh) | 一种基于磨机振动模态参数的滑动轴承刚度识别方法 | |
CN110069822B (zh) | 一种叶片动应变测量的传感器布置方法 | |
CN110020460A (zh) | 螺栓连接带法兰的圆柱壳结构频响函数不确定性分析方法 | |
CN110020468A (zh) | 一种航空发动机轮盘裂纹故障的动力学响应分析方法 | |
CN109960867A (zh) | 一种基于惯性回转中心调控最优化及智能学习的大型高速回转装备多级零部件选配方法 | |
CN115114721B (zh) | 基于非接触测量的叶片多模态最大应力预测方法及系统 | |
CN111507043A (zh) | 一种基于叶端定时的转子叶片动应力场测量方法及其系统 | |
CN106289773A (zh) | 一种机床主轴轴承径向非线性刚度的确定方法 | |
Yu et al. | Crack detection of fan blade based on natural frequencies | |
CN104134013A (zh) | 一种风力机叶片模态分析方法 | |
Xie et al. | Blade damage monitoring method base on frequency domain statistical index of shaft’s random vibration | |
CN111563342A (zh) | 一种转子叶片的应变片测点布局优化方法 | |
CN113190786B (zh) | 一种大型旋转装备利用多维装配参数的振动预测方法 | |
CN113029481A (zh) | 一种针对叶片扭转振动的测量方法 | |
Liu et al. | Parametric modelling of vibration response for high-speed gear transmission system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |