静偏心挤压油膜阻尼器周期时变动力特性参数识别方法与流程

本技术涉及自动检测，特别地，涉及一种静偏心挤压油膜阻尼器周期时变动力特性参数识别方法。

背景技术：

1、挤压油膜阻尼器是一种用来抑制航空发动机整机振动的减振器，它是将轴承外环与轴承座间的过盈配合改为适当的间隙配合，并在间隙处充满滑油，形成油膜。油膜通过提供粘性阻尼来吸收转子系统的振动能量，提高转子系统稳定性。挤压油膜阻尼器的动力学参数是衡量其减振性能优劣的关键参数，所以准确掌握挤压油膜阻尼器的动力学参数(阻尼和刚度)是极其必要的。

2、当前的静偏心挤压油膜阻尼器仍然采用与同心型挤压油膜阻尼器相同的参数识别方法，从识别结果分析，相同的运动状态下，同心型挤压油膜阻尼器动力特性参数识别方法，在整个时域信号中仅能得到一个等效刚度和一个等效阻尼系数，不能体现出静偏心挤压油膜阻尼器油膜动力特性参数的周期时变性。

3、目前，大多数研究都是以假定挤压油膜阻尼器的内外环为同心状态展开的，即认为挤压油膜阻尼器周向位置的动力学参数是一致的。其中，机械阻抗法在挤压油膜阻尼器的参数识别中被广泛应用。以鼠笼式弹性支承的挤压油膜阻尼器系统为例，当鼠笼弹性支承在互相垂直的两个方向受到激励时，系统会在平衡位置附近做强迫振动，系统的运动方程为：

4、

5、

6、其中：fi＝x,y外部激励力量；mh测试元素的质量；{khi,chi}i＝x,y弹性支承刚度和阻尼系数；{kij,cij}i,j＝x,y油膜刚度和阻尼系数。

7、在双向激励实验中，使用信号发生器产生相互垂直的两个90度的余弦信号和正弦信号，并在两个方向上产生相同的激励力信号。基于机械阻抗法，将时域的激励和响应信号变换到频域，进行参数拟合，获得挤压油膜阻尼器的等效刚度和阻尼系数。

8、在实际应用中，由于重力、加工误差和制造装配误差等因素难免会使挤压油膜阻尼器出现静偏心。由于静偏心的存在，导致转子轴颈在做周期运动时，作用到阻尼器各个方向的油膜力呈周期性变化，从而使油膜的刚度和阻尼表现出明显的周期时变性，从而导致如下问题：

9、(1)现有方法在挤压油膜阻尼器的动力特性参数识别过程中，仅能得到油膜的一个周期内等效刚度和阻尼系数，并不能真实的反映出静偏心挤压油膜阻尼器的周期时变动力特性。

10、(2)目前，针对非平稳信号的分析与处理有短时fourier变换，小波分析和以wigner-ville分布为代表的cohen类时频分布等方法已得到实际应用。其中，短时fourier变换使用大小和形状固定的时频分析网格，网格在时频平面上的变化只限于时间平移和频率平移，适合于分析具有固定带宽的信号；小波分析使用带宽和频率成比例而且面积固定的时频分析网格，网格在时频平面上的变化除了时间平移之外，还包括时间和频率坐标轴的尺度变化，适合于分析具有固定比例带宽的信号；wigner-ville分布是二次型时频表示，对于多分量信号，其中存在交叉项干扰，不利于实际应用。工程实践中的研究对象一般是近似等带宽或近似等比例带宽的非平稳信号，若提高分析精度，则需要使用形状更为复杂的时频分析网格。

11、(3)噪声信号会明显地降低现有周期时变参数识别的精度。

12、(4)目前常用的周期时变参数识别的方法，在求解振动微分方程过程中采用短时时不变假设，会因为所划分的区间长短而导致求解精度降低。

技术实现思路

1、本技术一方面提供了一种静偏心挤压油膜阻尼器周期时变动力特性参数识别方法，以解决现有技术不能真实的反映出静偏心挤压油膜阻尼器的周期时变动力特性、时频分析网格复杂度高、识别和求解的精度低的技术问题。

2、本技术通过如下技术方案实现：

3、一种静偏心挤压油膜阻尼器周期时变动力特性参数识别方法，包括步骤：

4、s1、通过双向激励实验，获得挤压油膜阻尼器的加速度响应和激振力信号均为n维向量，其中，n表示时域采样点个数；

5、s2、将加速度响应和激振力信号划分成多个短时区间(t1，t2，…，tn)，假设每个区间信号的频率变化满足线性时变；

6、s3、将各个区间加速度响应和激振力信号作为分析对象，通过chirplet变换分析找到最大投影系数对应的ω、c，对应最大能量的分量信号，构造对应基函数

7、s4、根据构造的基函数进行cti运算，得到基函数的一阶导数基函数和二阶导数基函数并重构单分量信号对应的速度和位移信号；

8、s5、根据最大投影系数对应的ω、c，构造带通滤波，滤除最大投影系数对应的分量信号；

9、s6、判断残余信号与总信号能量的比值是否小于分解阀值，如果比值小于分解阀值，则将分量信号进行叠加，得到整个时域上的速度和位移响应，若比值大于分解阀值，将残余信号重新进行chirplet变换分析；

10、s7、基于结构响应短时频域线变的假设，构造短时区间内的挤压油膜阻尼器振动微分方程；

11、s8、对短时区间进行数据拟合，以求得短时区间内准确性更高的时变线性方程；

12、s9、基于拟合的时变线性方程，使用实时递推算法进行求解，再次使用最小二乘法求解，辨识出该区间的挤压油膜阻尼器动力特性参数；

13、s10、通过最小二乘法求解振动微分方程，进行时变物理参数识别，求得所需的挤压油膜阻尼器动力特性参数，即可识别出静偏心挤压油膜阻尼器的周期时变动力特性。

14、进一步地，所述步骤s1在获得挤压油膜阻尼器的加速度响应和激振力信号均之后，还包括步骤：

15、采用奇异值分解分方法对获得的挤压油膜阻尼器的加速度响应和激振力信号进行去噪处理，以获得较为有效的加速度响应和激振力信号。

16、进一步地，步骤1中，所述挤压油膜阻尼器的振动微分方程为：

17、

18、其中：其中：m，c，k及f分别为系统的质量、刚度、阻尼及激振力，x、及x分别为系统的各阶响应，t为时间点。

19、进一步地，所述步骤s3中，构造对应基函数具体包括步骤：

20、s31、对信号f(t)进行chirplet变换表示为：

21、

22、式中：为线调频小波基函数，上标*表示取共轭，g(t)为高斯窗函数；c为调频斜率，对信号频率进行线性调制。

23、进一步地，步骤s4具体包括步骤：

24、s41、对线调频小波基函数进行求导，得到基函数的一阶导数基函数及二阶导数基函数且线调频小波的一阶导数基函数和二阶导数基函数都可满足小波的允许条件：

25、

26、线调频小波的衰减性需满足在[-∞，+∞]内，小波基函数及其一、二阶导函数均为零，线调频小波的消失矩需满足：

27、

28、进一步地，所述步骤s8具体包括：

29、s81、假设挤压油膜阻尼器的加速度信号a(t)的一阶积分v(t)和二阶积分x(t)可以表示为：

30、

31、式中，a1(0)和a2(0)为与时间无关的常数；

32、s82、利用线调频小波的衰减性和消失矩特性分别对加速度信号a(t)的一阶积分信号v(t)和二阶积分信号x(t)进行chirplet积分得：

33、

34、

35、s83、由于线调频小波满足小波的允许条件，对上式进行逆变换即可得到一阶积分信号v(t)和二阶积分信号x(t)，因此，挤压油膜阻尼器的时变振动微分方程转化为一个时变线性方程：

36、m(t)a(t)+c(t)v(t)+k(t)x(t)＝f(t)

37、假设式中m不随时间改变，v(t)和x(t)已知，则在短时区间(t1，t2，…，tn)内将其看作短时线调频信号。

38、进一步地，步骤s9中，所述实时递推算法包括：卡尔曼滤波、扩展卡尔曼滤波以及递推平方根滤波等。

39、本技术另一方还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如所述静偏心挤压油膜阻尼器周期时变动力特性参数识别方法的步骤。

40、本技术另一方还提供了一种存储介质，所述存储介质包括存储的程序，在所述程序运行时控制所述存储介质所在的设备执行如所述静偏心挤压油膜阻尼器周期时变动力特性参数识别方法的步骤。

41、相比现有技术，本技术具有以下有益效果：

42、本技术针对现有静偏心挤压油膜阻尼器参数识别方法不能准确识别静偏心阻尼器的周期时变动力特性参数问题，提出一种静偏心挤压油膜阻尼器周期时变动力特性参数识别方法，利用该方法仅需挤压油膜阻尼器的加速度响应便可快速准确的计算出静偏心挤压油膜阻尼器的时变刚度和阻尼，为深入地研究静偏心挤压油膜阻尼器减振机理提供更加可靠的实验数据，包括：

43、1、本技术可以准确识别出挤压油膜阻尼器周期时变的动力特性，为挤压油膜阻尼器更好地应用到转子系统中提供更准确的实验数据。

44、2、本技术仅需要挤压油膜阻尼器的加速度响应即可实现结构的参数识别。与速度响应和位移响应相比，加速度响应的测量与采集更为容易，可以在很大程度上降低实验的难度。

45、3、本技术挤压油膜阻尼器为快速时变结构，大多数识别方法不能快速反映挤压油膜阻尼器的时变动力特性，本技术所提方法针对慢变和快变系统的各类时变工况都能适用，因此可以快速准确地计算出挤压油膜阻尼器的时变参数。

46、4、本技术抗噪声能力强。在实验的信号采集过程中难免会掺杂一定的噪声，若算法抗噪性不好，会对识别结果产生较大的影响。本文所提算法在计算前首先通过奇异值分解方法对所采集信号进行初步去噪处理，获取较为有效的信号，之后通过建立最小二乘问题进行求解，可以很好的降低噪声对识别结果产生的影响。

47、5、本技术实用性高。本技术所提方法，从结构响应短时频域线变假设出发，理论上结构任意短时采集信号均可看作短时线调频信号，因此采用实时递推算法研究，提高算法的识别效率及实用性。

48、6、求解精度高。本技术所提方法，基于短时时不变假设，在使用最小二乘算法求解振动微分方程时，对划分的区间进行数据拟合，得出该区间内较为准确的时变方程，之后再次对该方程使用最小二乘算法，更为精确地求得该区间内所识别参数。

49、除了上面所描述的目的、特征和优点之外，本技术还有其它的目的、特征和优点。下面将参照图，对本技术作进一步详细的说明。