[发明专利]基于BP神经网络的大型高速回转装备多级零部件装配方法和装置

摘要

本发明提出了基于BP神经网络的大型高速回转装备多级零部件装配方法和装置，属于机械装配术领域。所述方法考虑发动机实际结构特点，以装配相位为控制变量，在二截面平衡和最大转速条件下，考虑转子间装配接触面的抗拉刚度和抗弯刚度的影响，通过旋转装配相位改变高速响应参数，当选取最优装配相位时，通过求解系统动力学方程得到高速振动响应幅值参数，使多级转子装配后高速响应幅值参数最优，实现对航空发动机多级转子高速响应的优化。所述装置包括基座，气浮轴系，调心调倾工作台，精密力传感器，静平衡测量平台，左立柱，右立柱，左下横向测杆和左下伸缩式电感传感器等部件。

主权项

1.基于BP神经网络的大型高速回转装备多级零部件装配方法，其特征在于，所述方法包括：第一步、利用保罗滤波器原理建立基于非等间隔采样角度的形态学滤波器，从功能角度进行轮廓提取；第二步、结合轮廓提取获得alpha圆盘内外圆圆心的轨迹方程；第三步、根据第二步获得的alpha圆盘内外圆圆心的轨迹方程确定alpha包络边界和采样点极坐标之间的关系；利用所述alpha包络边界和采样点极坐标之间的关系即可获得圆轮廓采集数据；然后，将所述圆轮廓采集数据经过非等间隔滤波器进行有效性处理，得到有效的圆轮廓数据；第四步、根据多级转子装配中，单级转子定位、定向误差会进行传递与累积，影响多级转子装配后的不平衡量这一情况，确定由各级转子定位和定向误差引起的第n级转子不平衡量；第五步、将单级转子自身不平衡量和装配过程中由定位和定向误差引入的不平衡量进行矢量相加，获得多级转子装配后任意一级转子的不平衡量；第六步、将各级转子不平衡量分别投影到两个较正面，依据动平衡公式合成不平衡量，即可建立多级转子不平衡量的预测模型；第七步、建立以单级转子定位、定向误差及不平衡量作为输入量，实际装配后的不平衡量作为输出量的BP神经网络，分别选择隐含层激活函数及输出层激活函数，利用学习曲线及回归曲线确定网络模型迭代次数、学习因子、隐含层层数及节点数，建立多级转子不平衡量预测修正模型；第八步、根据所述预测模型分别计算转子间装配接触面的截面积S和转子间装配接触面的截面惯性矩I；第九步、确定转子轴元素在固定坐标系下的运动方程，利用抗拉刚度和抗弯刚度组成刚度矩阵；第十步、采用有限单元法求解转子系统的动态响应参数，结合转子间装配接触面的截面积S和转子间装配接触面的截面惯性矩I获得动态响应参数与各级转子接触面跳动和不平衡量的关系，进而获得动态响应参数目标函数；第十一步、将所述动态响应参数目标函数中的转子转速设置为最大转速，获得振动幅值参数，通过调节各级转子装配相位，使多级转子装配后高速响应振动幅值参数最优，实现对航空发动机多级转子高速响应的优化。