Вибрационная диагностика технического состояния подшипниковых опор газотурбинных двигателей с помощью ритмограмм и скаттерограмм

Авиационная и ракетно-космическая техника

2021. Т. 28. № 4. С. 151-162.

DOI: 10.34759/vst-2021-4-151-162

Авторы

Балакин Д. А.1*, Зубко А. И.2**, Зубко А. А.3***, Штыков В. В.1****

1. Национальный исследовательский университет «МЭИ», Красноказарменная ул., 14, Москва, 111250, Россия
2. Опытно-конструкторское бюро им. А. Люльки, филиал ОДК-Уфимского моторостроительного производственного объединения, ОКБ им. А. Люльки, ул. Касаткина, 13, Москва, 129301, Россия
3. Московский авиационный институт (национальный исследовательский университет), 125993, г. Москва, Волоколамское шоссе, д. 4

*e-mail: dabalakin@yandex.ru
**e-mail: zbk2@yandex.ru
***e-mail: zbk.anna@mail.ru
****e-mail: shtykovvv@ya.ru

Аннотация

Рассматривается возможность использования ритмограммы и скаттерограммы для оценки технического состояния механических систем, в частности подшипников опор роторов газотурбинного двигателя. Построение ритмограммы и скаттерограммы осуществляется на основе разработанного метода обработки квазипериодических импульсных сигналов. В свою очередь, метод базируется на принципах корреляционной обработки, теории вейвлет-преобразования и преобразовании Эрмита. Приводятся результаты анализа ритмограмм и скаттерограмм, на основе которых дается заключение о техническом состоянии функционирования подшипников.

Ключевые слова:

вибрационная диагностика подшипниковых опор, преобразование Эрмита, ритмограмма, скаттерограмма, квазипериодичность

Библиографический список

  1. Fentaye A.D., Baheta A.T., Gilani S.I., Kyprianidis K.G. A Review on Gas Turbine Gas-Path Diagnostics: State-of-the-Art Methods, Challenges and Opportunities // Aerospace. 2019. Vol. 6. No. 7, pp. 83. DOI: 10.3390/aerospace6070083
  2. Hanachi H. Gas Turbine Engine Performance Estimation and Prediction. Thesis for PhD. — Ottawa, Ontario: Carleton University. 2015. — 133 p. DOI: 10.13140/RG.2.1.2931.2488
  3. Tang G., Pang B., Tian T., Zhou C. Fault diagnosis of rolling bearings based on improved fast spectral correlation and optimized random forest // Applied sciences. 2018. Vol. 8. No. 10. DOI: 10.3390/app8101859
  4. Liu H., Wang X., Lu C. Rolling bearing fault diagnosis under variable conditions using hilbert-huang transform and singular value decomposition // Mathematical Problems in Engineering. 2014. Special Issue. DOI: 10.1155/2014/765621
  5. Зубко А.И. Перспективный комплекс виброакустической диагностики подшипниковых опор авиационных газотурбинных двигателей // Вестник Московского авиационного института. 2016. Т. 23. № 1. С. 47-55.
  6. Данилин А.И., Грецков А.А. Анализ информационных особенностей сигнала доплеровского преобразователя динамических перемещений // Вестник Самарского университета. Аэрокосмическая техника, технологии и машиностроение. 2016. Т 15. № 6. С. 170–177. DOI: 10.18287/2541-7533-2016-15-3-170-177
  7. Данилин А.И., Жуков С.В., Попов М.С. Математическое описание взаимодействия зондирующего СВЧ-сигнала с лопастями несущего винта вертолета // Вестник Самарского университета. Аэрокосмическая техника, технологии и машиностроение. 2016. Т 15. № 3. С. 178–188. DOI: 10.18287/2541-7533-2016-15-3-178-188
  8. Barkova N., Barkov A., Grishchenko D. Vibration diagnjstics of equipment units with gas turbine engines // Vibroengineering PROCEDIA. 2019. Vol. 25, pp. 89-94. DOI: 10.21595/vp.2019.20723
  9. Fabry S., Češkovič M. Aircraft gas turbine engine vibration diagnostic // Magazine of Aviation Development. 2017. Vol. 5. No. 4, pp. 24-28. DOI: 10.14311/MAD.2017.04.04
  10. Шабаев В.М., Казанцев А.С., Леонтьев М.К. и др. Вибродиагностика повреждений подшипников качения при монтаже и сборке тяжелых роторных узлов // Контроль. Диагностика. 2007. № 11. С. 18-24.
  11. Sieciński S., Kostka P.S., Tkacz E.J. Heart rate variability analysis on electrocardiograms, seismocardiograms and gyrocardiograms on healthy volunteers // Sensors. 2020. Vol. 20. No. 16, pp. 4522. DOI: 10.3390/s20164522
  12. Кулаичев А.П. Компьютерная электрофизиология и функциональная диагностика: Учебное пособие. — М.: НИЦ ИНФРА-М, 2019. — 469 с.
  13. Балакин Д.А., Штыков В.В. Диагностика циклических систем с помощью алгоритма, основанного на функциях Гаусса-Эрмита // Цифровая обработка сигналов. 2018. № 3. С. 59-62.
  14. Martens J.-B. The Hermite Transform — Theory // IEEE Transactions on Acoustics, Speech and Signal Processing. 1990. Vol. 38. Issue 9, pp. 1595-1606. DOI: 10.1109/29.60086
  15. Семенова А.С., Зубко А.И. Исследование технического состояния межроторного подшипника на вибродиагностическом стенде СП-180М после прохождения ресурсных испытаний // Вестник Московского авиационного института. 2019. Т. 26. № 2. С. 126-138.
  16. Балакин Д.А., Штыков В.В. Построение ортогонального банка фильтров на основе преобразований Эрмита для обработки сигналов // Журнал радиоэлектроники. 2014. № 9. URL: http://jre.cplire.ru/koi/sep14/1/text.pdf
  17. Balakin D.A., Shtykov V.V. Using rhythmograms to diagnose mechanical systems // Journal of Physics: Conference Series. APITECH-2019. Vol. 1399. Issue 4, pp. 044027. DOI: 10.1088/1742-6596/1399/4/044027
  18. Гаврилова Е.А. Спорт, стресс, вариабельность: Монография. — М.: Спорт, 2015. — 168 с.
  19. Антипов О.И., Кисляр А.С. Расчет фрактальной размерности скаттерограмм коротких R-R интервалов у пациентов с ишемической болезнью сердца // Огарёв-Online. 2016. № 15(80). URL: http://journal.mrsu.ru/arts/raschet-fraktalnoj-razmernosti-skatterogramm-korotkix-zapisej-r-r-intervalov-u-pacientov-s-ishemicheskoj-boleznyu-serdca
  20. Loboda I. Neural Networks for Gas Turbine Diagnosis // Artificial Neural Networks — Models and Applications. 2016. DOI: 10.5772/63107

mai.ru — информационный портал Московского авиационного института

© МАИ, 1994-2024