CN111046326B - 一种基于三误差耦合的大型高速回转装备误差分离方法 - Google Patents

一种基于三误差耦合的大型高速回转装备误差分离方法 Download PDF

Info

Publication number
CN111046326B
CN111046326B CN201911370033.4A CN201911370033A CN111046326B CN 111046326 B CN111046326 B CN 111046326B CN 201911370033 A CN201911370033 A CN 201911370033A CN 111046326 B CN111046326 B CN 111046326B
Authority
CN
China
Prior art keywords
rotor
error
sensor
stator
axis
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.)
Active
Application number
CN201911370033.4A
Other languages
English (en)
Other versions
CN111046326A (zh
Inventor
谭久彬
刘永猛
孙传智
王晓明
余镇江
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Harbin Institute of Technology
Original Assignee
Harbin Institute of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Harbin Institute of Technology filed Critical Harbin Institute of Technology
Priority to CN201911370033.4A priority Critical patent/CN111046326B/zh
Publication of CN111046326A publication Critical patent/CN111046326A/zh
Application granted granted Critical
Publication of CN111046326B publication Critical patent/CN111046326B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
    • G01B21/16—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring distance of clearance between spaced objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Operations Research (AREA)
  • Length Measuring Devices With Unspecified Measuring Means (AREA)

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。

Description

一种基于三误差耦合的大型高速回转装备误差分离方法
技术领域
本发明属于装备误差分离技术领域；具体涉及一种基于三误差耦合的大型高速回转装备误差分离方法。
背景技术
大型回转装备转静子间隙的装配均匀化是评价其装配质量的重要指标。以航空发动机为例，叶尖间隙分布不均匀，会导致转子振动、推力减小、可靠性差、工作效率低、油耗高、气动性能差。在严重情况下，还会引起压气机喘振、转子摩擦、叶片摩擦断裂和严重的发动机故障。当前大型回转装备转静子间隙的测量技术以及较为成熟，但对间隙的控制方法较为缺乏。事实上，间隙的大小受到多种因素的影响，包括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。此前，通常需要对各个误差进行分别测量，操作繁琐，耗时较长。如何利用测量得到的叶尖间隙数据快速分离得到以上三种误差目前还缺乏研究。
发明内容
本发明提出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，基于得到的三传感器测量叶尖间隙数据，与数据分离出静子内壁圆度误差，转静子安装偏心以及转子回转误差三种误差的方法。
本发明通过以下技术方案实现：
一种基于三误差耦合的大型高速回转装备误差分离方法，所述误差分离方法包括以下步骤：
步骤1：三组电容传感器S1，S2，S3以预设角度分布于航空发动机叶片上，并记录相应叶片编号；
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：滤去三组测量数据中的直流分量以及干扰信号；
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、转子轴心初始安装位置以及转子轴心运动轨迹；
步骤5：基于以上分离结果，完成静子内表面圆度误差、转静子偏心量以及转子回转误差的评定后结束。
进一步的，所述步骤4中的测量得到三组测量数据，基于得到的数据，利用频域法对机匣内壁径向尺寸变动进行分离，并对机匣内壁圆度误差进行评定。
进一步的，所述对机匣内壁圆度误差进行评定后，将机匣内壁尺寸变动量从传感器S1的测量数据中去除，利用最小二乘法对测量数据进行处理可得到转子轴心初始安装位置，以此对转静子安装偏心量进行评定。
进一步的，对转静子安装偏心量进行评定后，对相关数据进行处理即可得到转子轴心运动轨迹，以此对转子回转误差进行评定。
进一步的，在所述步骤2中设测量数据的采样点数为N，设置坐标系，坐标系原点O为静子机匣理想轮廓的圆心以及三个传感器的测量中心。
进一步的，所述步骤2具体为三组电容传感器在转子转位一圈的情况下分别得到三组叶尖间隙数据D1(θ)，D2(θ)，D3(θ)：
D1(θ)＝V(θ)+(a'x+ex(θ))cos(θ)+(a'y+ey(θ))sin(θ) (1)
D2(θ)＝V(θ+α)+(a'x+ex(θ))cos(θ+α)+(a'y+ey(θ))sin(θ+α) (2)
D3(θ)＝V(θ+β)+(a'x+ex(θ))cos(θ+β)+(a'y+ey(θ))sin(θ+β) (3)
进一步的，所述步骤3具体为去除转静子安装偏心以及转子回转误差对叶尖间隙测量数据的影响，对三组数据进行不等权组合，权值为：
Figure BDA0002339429230000021
得到组合信号：
Figure BDA0002339429230000022
对式(5)进行离散化处理，其中传感器S2、S3相对于S1的安装角度可以表示为
Figure BDA0002339429230000023
Figure BDA0002339429230000024
对C(k)和V(k)分别进行离散傅里叶变换可得：
Figure BDA0002339429230000031
Figure BDA0002339429230000032
其中n＝1,2,3,...,N-1。
进一步的，所述步骤4具体为根据傅里叶变换的时移特性可得：
Figure BDA0002339429230000033
对fV(n)进行离散傅里叶逆变换得到机匣内表面径向尺寸变动量；
V(k)＝IDFT[fV(n)] (11)
式中，V(k)为离散化后的传感器S1测量得到的机匣径向尺寸变动量，将V(k)从传感器S1的测量数据D1(k)中去除；利用最小二乘法可求得转静子安装偏心在X轴和Y轴的分量；
Figure BDA0002339429230000034
进一步可求得转子轴心初始安装位置即转静子安装偏心：
Figure BDA0002339429230000035
式中，V(k+p)为离散化后的传感器S2测量得到的机匣径向尺寸变动量，将V(k)以及V(k+p)分别从传感器S1以及S2的测量数据D1(k)，D2(k)中去除可得：
Figure BDA0002339429230000041
对式(1)，式(2)进行离散化处理，并带入式(15)，变形可得：
Figure BDA0002339429230000042
Figure BDA0002339429230000043
式中ex(k)和ey(k)分别为转子回转误差在X轴以及Y轴方向的分量，对式(16)以及式(17)联立求解可得：
Figure BDA0002339429230000044
Figure BDA0002339429230000045
根据式(18)和式(19)得到转子旋转时其轴心位置在X轴以及Y轴方向的坐标分量，进一步可求得转子轴心的运动轨迹公式：
Figure BDA0002339429230000051
附图说明
图1本发明传感器测量示意图，图1(a)为三传感器测量叶间间隙示意图，图1(b)为为转子轴心位置与安装偏心及回转误差间的合成关系示意图。
图2本发明实验装置示意图。
图3本发明机匣内表面圆度误差分离结果。
图4本发明转子轴心初始安装位置分离结果。
图5本发明转子轴心运动轨迹分离结果。
图6本发明的信号流程图。
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。
一种基于三误差耦合的大型高速回转装备误差分离方法，所述误差分离方法包括以下步骤：
步骤1：三组电容传感器S1，S2，S3以预设角度分布于航空发动机叶片上，并记录相应叶片编号；
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：滤去三组测量数据中的直流分量以及干扰信号；
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、转子轴心初始安装位置以及转子轴心运动轨迹；
步骤5：基于以上分离结果，完成静子内表面圆度误差、转静子偏心量以及转子回转误差的评定后结束。
进一步的，所述步骤4中的测量得到三组测量数据，基于得到的数据，利用频域法对机匣内壁径向尺寸变动进行分离，并对机匣内壁圆度误差进行评定。
进一步的，所述对机匣内壁圆度误差进行评定后，将机匣内壁尺寸变动量从传感器S1的测量数据中去除，利用最小二乘法对测量数据进行处理可得到转子轴心初始安装位置，以此对转静子安装偏心量进行评定。
进一步的，对转静子安装偏心量进行评定后，对相关数据进行处理即可得到转子轴心运动轨迹，以此对转子回转误差进行评定。
进一步的，在所述步骤2如图1(a)所示，中设测量数据的采样点数为N，设置坐标系，坐标系原点O为静子机匣理想轮廓的圆心以及三个传感器的测量中心。叶尖间隙的实际数值由静子机匣径向尺寸变动量，转静子平均半径差以及转子的实际位置决定，而转子的实际位置又取决于转静子偏心量以及转子回转误差。实际测量中由于测量信号滤去了直流分量即去除了转静子平均半径差的影响，因此传感器的测量值由静子机匣径向尺寸变动量，转静子偏心量以及转子回转误差三项因素决定。如图1(b)所示，转子轴心的位置矢量
Figure BDA0002339429230000061
是由转静子偏心量
Figure BDA0002339429230000062
以及转子回转误差
Figure BDA0002339429230000063
矢量相加得到的。设O'(a'x,a'y)，
Figure BDA0002339429230000064
O”(ex(θ),ey(θ))，
Figure BDA0002339429230000065
OO'，OO”。
进一步的，所述步骤2-5具体为与X轴的夹角分别为φ，
Figure BDA0002339429230000066
设被测转子叶片总数为B，传感器S1安装在叶片0号上，传感器S2、S3分别安装在B'和B"号叶片上。所以传感器S2、S3相对于传感器S1的安装角度是
Figure BDA0002339429230000067
和
Figure BDA0002339429230000068
V(θ)为机匣内表面轮廓半径方向的变动量三组电容传感器在转子转位一圈的情况下分别得到三组叶尖间隙数据D1(θ),D2(θ),D3(θ)：
D1(θ)＝V(θ)+(a'x+ex(θ))cos(θ)+(a'y+ey(θ))sin(θ) (1)
D2(θ)＝V(θ+α)+(a'x+ex(θ))cos(θ+α)+(a'y+ey(θ))sin(θ+α) (2)
D3(θ)＝V(θ+β)+(a'x+ex(θ))cos(θ+β)+(a'y+ey(θ))sin(θ+β) (3)
为去除转静子安装偏心以及转子回转误差对叶尖间隙测量数据的影响，对三组数据进行不等权组合，权值为：
Figure BDA0002339429230000069
得到组合信号：
Figure BDA00023394292300000610
对式(5)进行离散化处理，其中传感器S2、S3相对于S1的安装角度可以表示为
Figure BDA00023394292300000611
Figure BDA0002339429230000071
对C(k)和V(k)分别进行离散傅里叶变换可得：
Figure BDA0002339429230000072
Figure BDA0002339429230000073
其中n＝1,2,3,...,N-1；
进一步的，根据傅里叶变换的时移特性可得：
Figure BDA0002339429230000074
进一步变换可得：
Figure BDA0002339429230000075
对fV(n)进行离散傅里叶逆变换得到机匣内表面径向尺寸变动量：
V(k)＝IDFT[fV(n)] (11)
式中，V(k)为离散化后的传感器S1测量得到的机匣径向尺寸变动量，将V(k)从传感器S1的测量数据D1(k)中去除可得：
h1(k)＝D1(k)-V(k) (12)
利用最小二乘法可求得转静子安装偏心在X轴和Y轴的分量：
Figure BDA0002339429230000081
进一步可求得转子轴心初始安装位置即转静子安装偏心：
Figure BDA0002339429230000082
式中，V(k+p)为离散化后的传感器S2测量得到的机匣径向尺寸变动量，将V(k)以及V(k+p)分别从传感器S1以及S2的测量数据D1(k)，D2(k)中去除可得：
Figure BDA0002339429230000083
对式(1)，式(2)进行离散化处理，并带入式(15)，变形可得：
Figure BDA0002339429230000084
Figure BDA0002339429230000085
式中ex(k)和ey(k)分别为转子回转误差在X轴以及Y轴方向的分量，对式(16)以及式(17)联立求解可得：
Figure BDA0002339429230000091
Figure BDA0002339429230000092
根据式(18)和式(19)得到转子旋转时其轴心位置在X轴以及Y轴方向的坐标分量，进一步可求得转子轴心的运动轨迹公式：
Figure BDA0002339429230000093
为验证本发明方法的适用性，搭建了如图2所示的实验装置。
如图3所示，利用测量得到的三组叶尖间隙数据首先分离得到机匣内表面径向尺寸变动量即机匣内表面实际轮廓，并利用最小区域圆法完成圆度误差评定。
根据分离结果可知，机匣内表面圆度误差为：δr＝0.0115mm。
如图4所示，利用最小二乘圆法分离得到了转子轴心初始安装位置。
根据分离结果可知，转子轴心初始安装位置的坐标分量分别为：a'x＝-0.000154，a'y＝-0.0044，以此得到转静子安装偏心量：
Figure BDA0002339429230000094
如图5所示为转子轴心运动轨迹图像，其中红色实线表示偏移量为正值的轨迹，蓝色虚线表示偏移量为负值的轨迹。
由此可得转子回转误差为|Δmax|＝0.006mm，最大偏离点的相位为θ＝359.30°。
在确定传感器安装叶片的编号时应该尽量避免产生谐波抑制，以提高误差分离的精度。本方案采用电容传感器对叶尖间隙进行测量，在实际实施过程中也可使用电感传感器、激光位移传感器等传感器来对叶尖间隙进行测量。

Claims (5)

1.一种基于三误差耦合的大型高速回转装备误差分离方法，其特征在于，所述误差分离方法包括以下步骤：
步骤1：三组电容传感器S1，S2，S3以预设角度分布于航空发动机叶片上，并记录相应叶片编号；
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：滤去三组测量数据中的直流分量以及干扰信号；
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、转子轴心初始安装位置以及转子轴心运动轨迹；
步骤5：基于以上分离结果，完成静子内表面圆度误差、转静子偏心量以及转子回转误差的评定后结束；
所述步骤2具体为三组电容传感器在转子转位一圈的情况下分别得到三组叶尖间隙数据D1(θ)，D2(θ)，D3(θ)：
D1(θ)＝V(θ)+(a'x+ex(θ))cos(θ)+(a'y+ey(θ))sin(θ) (1)
D2(θ)＝V(θ+α)+(a'x+ex(θ))cos(θ+α)+(a'y+ey(θ))sin(θ+α) (2)
D3(θ)＝V(θ+β)+(a'x+ex(θ))cos(θ+β)+(a'y+ey(θ))sin(θ+β) (3)；
所述步骤3具体为去除转静子安装偏心以及转子回转误差对叶尖间隙测量数据的影响，对三组数据进行不等权组合，权值为：
Figure FDA0004138817490000011
得到组合信号：
Figure FDA0004138817490000012
对式(5)进行离散化处理，其中传感器S2、S3相对于S1的安装角度可以表示为
Figure FDA0004138817490000021
Figure FDA0004138817490000022
对C(k)和V(k)分别进行离散傅里叶变换可得：
Figure FDA0004138817490000023
Figure FDA0004138817490000024
其中n＝1,2,3,...,N-1；
所述步骤4具体为根据傅里叶变换的时移特性可得：
Figure FDA0004138817490000025
对fV(n)进行离散傅里叶逆变换得到机匣内表面径向尺寸变动量；
V(k)＝IDFT[fV(n)] (11)
式中，V(k)为离散化后的传感器S1测量得到的机匣径向尺寸变动量，将V(k)从传感器S1的测量数据D1(k)中去除；利用最小二乘法可求得转静子安装偏心在X轴和Y轴的分量；
Figure FDA0004138817490000031
进一步可求得转子轴心初始安装位置即转静子安装偏心：
Figure FDA0004138817490000032
式中，V(k+p)为离散化后的传感器S2测量得到的机匣径向尺寸变动量，将V(k)以及V(k+p)分别从传感器S1以及S2的测量数据D1(k)，D2(k)中去除可得：
Figure FDA0004138817490000033
对式(1)，式(2)进行离散化处理，并带入式(15)，变形可得：
Figure FDA0004138817490000034
Figure FDA0004138817490000035
式中ex(k)和ey(k)分别为转子回转误差在X轴以及Y轴方向的分量，对式(16)以及式(17)联立求解可得：
Figure FDA0004138817490000041
Figure FDA0004138817490000042
根据式(18)和式(19)得到转子旋转时其轴心位置在X轴以及Y轴方向的坐标分量，进一步可求得转子轴心的运动轨迹公式：
Figure FDA0004138817490000043
2.根据权利要求1所述误差分离方法，其特征在于，所述步骤4中的测量得到三组测量数据，基于得到的数据，利用频域法对机匣内壁径向尺寸变动进行分离，并对机匣内壁圆度误差进行评定。
3.根据权利要求2所述误差分离方法，其特征在于，所述对机匣内壁圆度误差进行评定后，将机匣内壁尺寸变动量从传感器S1的测量数据中去除，利用最小二乘法对测量数据进行处理可得到转子轴心初始安装位置，以此对转静子安装偏心量进行评定。
4.根据权利要求3所述误差分离方法，其特征在于，对转静子安装偏心量进行评定后，对相关数据进行处理即可得到转子轴心运动轨迹，以此对转子回转误差进行评定。
5.根据权利要求1所述误差分离方法，其特征在于，在所述步骤2中设测量数据的采样点数为N，设置坐标系，坐标系原点O为静子机匣理想轮廓的圆心以及三个传感器的测量中心。
CN201911370033.4A 2019-12-26 2019-12-26 一种基于三误差耦合的大型高速回转装备误差分离方法 Active CN111046326B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911370033.4A CN111046326B (zh) 2019-12-26 2019-12-26 一种基于三误差耦合的大型高速回转装备误差分离方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911370033.4A CN111046326B (zh) 2019-12-26 2019-12-26 一种基于三误差耦合的大型高速回转装备误差分离方法

Publications (2)

Publication Number Publication Date
CN111046326A CN111046326A (zh) 2020-04-21
CN111046326B true CN111046326B (zh) 2023-04-28

Family

ID=70239111

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911370033.4A Active CN111046326B (zh) 2019-12-26 2019-12-26 一种基于三误差耦合的大型高速回转装备误差分离方法

Country Status (1)

Country Link
CN (1) CN111046326B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4262423A (en) * 1978-05-12 1981-04-21 Dr. Johannes Heidenhain Gmbh Error correction apparatus for a length-measuring instrument and method for generating an error correction profile
CN101038159A (zh) * 2007-02-28 2007-09-19 华北电力大学 一种测量偏心圆盘径向振动位移的方法
WO2012001852A1 (ja) * 2010-06-28 2012-01-05 株式会社 日立製作所 ガスタービンの間隙診断装置およびガスタービンシステム
CN103983227A (zh) * 2014-05-23 2014-08-13 中国工程物理研究院总体工程研究所 一种可分离安装偏心的主轴回转误差测量方法与装置
CN104075677A (zh) * 2014-06-30 2014-10-01 东北大学 航空发动机转子和静子同心度及叶尖间隙测量方法及系统
CN109960868A (zh) * 2019-03-21 2019-07-02 哈尔滨工业大学 基于多参数调控的大型高速回转装备单级零部件偏心数据处理及跳动公差分配方法
CN109960869A (zh) * 2019-03-21 2019-07-02 哈尔滨工业大学 基于功能性滤波处理的大型高速回转装备零部件形心和惯性中心数据处理方法
DE102018126733B3 (de) * 2018-10-26 2019-08-08 Sick Stegmann Gmbh Verfahren zur Kalibrierung eines Winkelmesssensors und Vorrichtung

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4262423A (en) * 1978-05-12 1981-04-21 Dr. Johannes Heidenhain Gmbh Error correction apparatus for a length-measuring instrument and method for generating an error correction profile
CN101038159A (zh) * 2007-02-28 2007-09-19 华北电力大学 一种测量偏心圆盘径向振动位移的方法
WO2012001852A1 (ja) * 2010-06-28 2012-01-05 株式会社 日立製作所 ガスタービンの間隙診断装置およびガスタービンシステム
CN103983227A (zh) * 2014-05-23 2014-08-13 中国工程物理研究院总体工程研究所 一种可分离安装偏心的主轴回转误差测量方法与装置
CN104075677A (zh) * 2014-06-30 2014-10-01 东北大学 航空发动机转子和静子同心度及叶尖间隙测量方法及系统
DE102018126733B3 (de) * 2018-10-26 2019-08-08 Sick Stegmann Gmbh Verfahren zur Kalibrierung eines Winkelmesssensors und Vorrichtung
CN109960868A (zh) * 2019-03-21 2019-07-02 哈尔滨工业大学 基于多参数调控的大型高速回转装备单级零部件偏心数据处理及跳动公差分配方法
CN109960869A (zh) * 2019-03-21 2019-07-02 哈尔滨工业大学 基于功能性滤波处理的大型高速回转装备零部件形心和惯性中心数据处理方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Yongmeng Liu.A coaxiality measurement method by using three capacitive sensors.《ELSEVIER》.2018,第1-10页. *
Zhenhua Jiang.Geometric Error Modeling, Separation, and Compensation of Tilted Toric Wheel in Fewer-Axis Grinding for Large Complex Optical Mirrors.《ASME》.2015,第1-10页. *
孙传智.基于矢量投影的多级转子同轴度测量方法研究.《工程科技Ⅱ辑》.2018,第1-93页. *
陈研.航空发动机叶尖间隙成因的理论研究及数据分析系统的开发.《工程科技Ⅱ辑》.2017,第1-72页. *

Also Published As

Publication number Publication date
CN111046326A (zh) 2020-04-21

Similar Documents

Publication Publication Date Title
CN110617964A (zh) 用于滚动轴承故障诊断的同步压缩变换阶比分析法
CN109960868B (zh) 基于多参数调控的大型高速回转装备单级零部件偏心数据处理及跳动公差分配方法
EP2485031B1 (en) Rig for measuring bladed component mistuning
CN105466329A (zh) 一种非接触式发动机涡轮叶尖径向间隙测量方法
CN113340640B (zh) 旋转机械轴心轨迹提纯方法、装置、设备和存储介质
CN106563973A (zh) 一种基于刀具振动位移的动态铣削力测量方法
CN106078508B (zh) 一种砂轮磨损在线监测方法
CN111046326B (zh) 一种基于三误差耦合的大型高速回转装备误差分离方法
CN115586441A (zh) 基于梳状滤波的电机故障诊断方法、装置及存储介质
CN114544188A (zh) 航空发动机多源拍振引起的振动波动故障识别与排除方法
CN110646138B (zh) 一种旋转机械无键相无试重动平衡方法和分析装置
CN101055165A (zh) 对径及平行多位测量轧辊圆度误差和机床主轴运动误差的方法
CN117288140B (zh) 回转轴圆度误差测量方法、系统及径向回转误差测量方法
CN110553716A (zh) 一种基于计算机视觉的成圈叶片结构振动固有频率的测量方法
CN116358873B (zh) 滚动轴承故障诊断方法、装置、设备及介质
CN104359622B (zh) 一种整体叶轮去除不平衡量方法
CN111046579B (zh) 基于粒子群算法的大型高速回转装备误差分离优化方法
CN109540279B (zh) 机床高速铣削过程欠采样动态信号的逆压缩感知恢复方法
CN111323233A (zh) 一种用于低速旋转机械故障诊断的局部均值分解方法
CN114970019A (zh) 等效缩比燃气轮机倾斜摇摆试验装置的设计方法
CN114528661B (zh) 一种整机静子同轴度控制标准确定方法
CN102072139B (zh) 一种压缩机低频振动故障快速判别方法
CN106768302A (zh) 一种航空发动机转子临界振型测试方法
CN210769157U (zh) 传感器的调试设备
CN113504310A (zh) 基于单个或均布叶端定时传感器的叶片固有频率识别方法

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