[发明专利]一种航空发动机用无键相虚拟动平衡方法

权利要求书

1.一种航空发动机用无键相虚拟动平衡方法，其特征在于：采用动力学响应的有限元法和机器学习算法中的粒子群相结合，具体包括以下步骤：

步骤1、建立转子动力学仿真模型；利用有限元法将实际转子系统转化为有限个自由度的离散化模型,通过编写的有限元程序对转子进行动力学仿真，并分析稳态不平衡响应；

步骤2、模态分析；对转子仿真模型进行模态分析，得到模型的一阶临界转速和振型；

步骤3、测量实际转子的临界转速；在实际实验台上测量转子随转速变化的伯德图，提取出临界转速，并与模型的一阶临界转速作对比；

步骤4、测量试验台的原始振动；在实际转子中，在同一转速下测量三个不同测点的振幅，或者在同一测点上测量三个不同转速下的振幅；

步骤5、用实测振幅再次校准模型；由于实际使用的轴承刚度是查阅资料确定的，为防止产生一定误差，需进一步确认；

步骤6、结合粒子群；以仿真模型为基础，将三个实测振幅代入粒子群中寻优，进行粒子群算法；

步骤7、定义粒子群中的函数Function[fitness]＝Fitness(x，y，z)；Functions是matlab的定义函数，即定义一个适应度函数Fitness，调用之前的仿真模型，输入两个轴承刚度x和y以及系统原始不平衡量z，这三者进入到有限元程序中得到稳态响应，其数据保存在变量fitness中，这个适应度函数供粒子群调用；

步骤8、开始进行粒子群寻优，先初始化参数，设置迭代次数、加速度因子和种群规模等参数，设置个体速度和位置的最大值和最小值；

步骤9、初始化种群，计算适应度值；即随机产生一个包括若干个体的种群，每个个体的速度和位置都是三维向量，调用适应度函数Fitness(x，y，z)，以个体位置信息为(x，y，z)，输出为适应度值fitness；

步骤10、计算个体极值和群体极值；将各个适应度值比较，以此得出种群中的个体极值和群体极值；个体极值是指个体所经历的最好的适应度的值，群体极值是指种群某一代中适应度最大的值；

步骤11、更新粒子的速度和位置；各个粒子按个体极值和群体极值计算出该粒子下一代中的速度，再根据速度计算出位置；

步骤12、更新结束，得出粒子群结果；经过若干次更新之后，粒子达到最优位置，粒子适应度值达到全局最优，即获得了最接近实际转子的轴承刚度和原始不平衡量的粒子；

步骤13、将寻优得到的值更新模型，此时的仿真模型可以说是非常接近真实转子了；

步骤14、第一次添加试重，测量振幅；在实际转子上添加试重，大小为上一步骤寻优出来的原始不平衡量大小，用传感器测得此时的振幅；

步骤15、将所测振幅代入到粒子群中；利用粒子群算出此时的系统总不平衡量；

步骤16、进行粒子群迭代；设定粒子群维度是一维，粒子信息和适应度函数稍有变化但大体一致，重复步骤8～步驟12，得到原始不平衡量与试重的角度差；

步骤17、添加配重；由于无法判定方向，原始不平衡量在试重的逆时针方向或者顺时针方向皆有可能，所以先往其中一个方向添加步骤12得出的配重大小，若振动降低，则动平衡结束，否则按逆时针方向添加振动必然降低。

2.根据权利要求1所述的一种航空发动机用无键相虚拟动平衡方法，其特征在于：步骤3中，误差在5％的范围内就算达到标准，否则需调整模型参数，直至误差在许可范围。