[发明专利]一种降低旋转机械轴承动载荷识别模型病态性的方法

说明书

本发明涉及一种降低旋转机械轴承动载荷识别模型病态性的方法，基于条件数的响应点测点优化，遍历所有测点组合种，计算其条件数，选择条件数最小的最优组合降低响应点线性相关引起的病态；在最优组合情况下，提取轴承支撑系统的频响函数矩阵，采用截断奇异值分解正则化方法，对频响函数矩阵分解，并剔除矩阵中较小的奇异值，得到良态矩阵来逼近原矩阵，消除过小的奇异值及对应的特征向量对解的影响，由此削弱方程的病态特性，提高轴承动载荷识别结果的精度和稳定性。

技术领域

本发明涉及轴承动载荷识别方法技术领域，尤其是一种降低旋转机械轴承动载荷识别模型病态性的方法。

背景技术

动载荷是影响旋转机械安全稳定运行的重要因素，动载荷识别技术最早在上世纪70年代开始研究，主要分为时域识别法和频域识别法。时域识别法对初值敏感度高，且需要进行卷积运算，对计算量要求很高；频域识别法形成了较为成熟的理论体系，是动载荷识别最常用的方法。频域识别法包括频响函数直接求逆法和模态坐标变换法，模态坐标变换法对模态参数的准确度要求较高，而频响函数直接求逆法简便，应用广泛。

在旋转机械的轴承动载荷识别问题中，利用频响函数直接求逆法识别动载荷存在频响矩阵的病态问题，导致解的不适定性。在上世纪80年代发展出正则化技术来改善动载荷识别问题中的不适定性，包括吉洪诺夫正则化法(Tikhonov正则化方法)和截断奇异值分解(TSVD正则化方法)，单独使用正则化改善矩阵病态性时，存在的问题是：在剔除较小奇异值的同时，易误将有效的测点响应信号去除，降低动载荷识别精度。

发明内容

针对现有技术的不足，本发明提供一种降低旋转机械轴承动载荷识别模型病态性的方法，目的是降低旋转机械轴承动载荷识别模型中频响函数病态性，剔除易引起频响函数病态性的响应点的同时，降低响应误差造成的动载荷识别误差。

本发明采用的技术方案如下：

一种降低旋转机械轴承动载荷识别模型病态性的方法，包括以下步骤：

步骤一：设置n个同时受动载荷激励的轴承，设置m个响应测点，获取轴承动载荷激励阵列及对应的响应列阵；

步骤二：建立动载荷与振动响应之间的关系：

F＝(H^HH)^-1H^HX

上式中，F为动载荷；H为所有响应测点的频响函数矩阵，H^H为H的复共轭转置矩阵；X为振动响应；

步骤三：从m个响应测点中随机选取m_r个，n≤m_r≤m，则响应测点的组合数为计算第i种组合对应的系统频响函数矩阵的条件数：

上式中，||·||为向量范数诱导的矩阵范数，为矩阵H的摩尔-彭诺斯广义伪逆矩阵；

遍历所有响应测点个数下的测点组合，计算每种组合对应的频响函数矩阵的条件数，找出条件数最小的矩阵，将对应的测点组合作为最优测点组合；

步骤四：根据最优测点组合对应的振动响应和频响函数矩阵，利用截断奇异值分解法剔除较小奇异值，计算轴承动载荷。

进一步技术方案为：

所述步骤四，具体包括：

1)从所有响应测点的频响函数矩阵H中，获得最优组合测点对应的频响函数矩阵H_op，并对H_op其进行奇异值分解：