[发明专利]一种基于机器学习的高速动平衡力学解算方法

说明书

本发明公开一种基于机器学习的高速动平衡力学解算方法，包括以下步骤：步骤1.根据待平衡转子类型，确定支撑结构和测量点位置；步骤2.建立转子三维实体模型，调用现有的同类型转子测试数据；步骤3.利用三维实体模型进行加减重动力学仿真，获得带标记的和实际测试点对应处的升‑降速响应幅值；步骤4.将生成的数据配合同类型转子测试数据，对神经网络进行混合式训练，其中，输入层节点数为测试点数目乘以待平衡转速数，输出层节点数为平衡面数量乘以2；步骤5.利用公式V₀+N(p)＝0计算配重p。

技术领域

本发明属于机械振动计算和减振方法领域，特别是涉及一种基于机器学习的高速动平衡力学解算方法，适用于透平机械类转子的高速动平衡。

背景技术

动平衡是透平类机械出厂前检验校正的一个重要环节，通过对转子进行动平衡(加减重)校正，减少由于制造公差等因素带来的不平衡量引起的基频振动。通常出厂前的动平衡基于动平衡试验机来开展，且转子经过再制造后也需通过动平衡校正后才能继续服役。传统动平衡理论已相当成熟，对于低速动平衡(刚性动平衡)通常使用ABC法来进行，而对于高速动平衡通常采用影响系数法，通过最小二乘计算来得到系统的不平衡特征，进行校正。

目前，随着透平机械类转子从慢透平向快透平的技术转变，传统动平衡方法显现出一定的不足，ABC法基于转子的刚性假设，即工作转速远未达到临界转速，而随着工作转速提升，刚体假设必然不能实现；而影响系数法虽可适用高速动平衡工况，但影响系数法在求取影响系数的过程中，基于系统的输入和输出的线性关系，要求系统的强迫响应满足叠加原理，在低速时，系统非线性表现不明显，近似的等效线性化带来的误差在可接受范围，而高速动平衡时，非线性因素表现强烈，系统强迫响应不再满足叠加原理，线性化假设得到的结果将会带来极大的误差。

由此，需要发展一种高速动平衡技术，即可以有效对系统进行高速动平衡校正，又可以满足不同类型转子的特殊要求。由此研发的高速动平衡检测工艺技术，可突破西方发达国家在此项技术和设备方面的封锁，将现有动平衡技术应用产品由滑动轴承系列扩大到包含航空发动机在内的滚动轴承系列机电设备，拓展机电设备服务领域和范围。

发明内容

本发明的目的是为了克服现有技术中的不足，提供一种适用于非线性振动特征明显的透平机械类转子的动平衡力学解算方法，并兼顾高速动平衡的精度和可操作性。

本发明的目的是通过以下技术方案实现的：

一种基于机器学习的高速动平衡力学解算方法，包括以下步骤：

步骤1.根据待平衡转子类型，确定支撑结构和测量点位置；

步骤2.建立转子三维实体模型，调用现有的同类型转子测试数据；

步骤3.利用三维实体模型进行加减重动力学仿真，获得带标记的和实际测试点对应处的升-降速响应幅值；

步骤4.将生成的数据配合同类型转子测试数据，对神经网络进行混合式训练，其中，输入层节点数为测试点数目乘以待平衡转速数，输出层节点数为平衡面数量乘以2；

步骤5.利用公式

V₀+N(p)＝0

计算配重p，p为一K阶列向量，V＝V₀+N(p)为转子残余不平衡量，其中V₀为初始振动(未进行试重)测量值，为一M×N阶列向量，其中M为测量点数量，N为需平衡转速个数，N()为训练的网络整体映射函数，为一K阶到(M×N)阶的映射关系，K为平衡面的个数。

根据以上的计算方法和步骤进行程序化，可以实现高速动平衡解算的低成本操作性。操作人员只需在第一次进行平衡时按步骤1-5进行操作，再次平衡同类型转子时，只需调用已训练好的网络，实施步骤5即可，发挥生产规模化和大数据集成化的优势。