集成GA-PSO方法的转子系统多点不平衡量识别

作     者：张茹鑫 温广瑞 张志芬 徐斌 ZHANG Ruxin;WEN Guangrui;ZHANG Zhifen;XU Bin

作者机构：西安交通大学机械工程学院西安710049 新疆大学机械工程学院乌鲁木齐830046 

出 版 物：《振动．测试与诊断》 (Journal of Vibration,Measurement & Diagnosis)

年 卷 期：2019年第39卷第4期

页      面：801-809,906,907页

核心收录：

学科分类：08[工学] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 

基　　金：国家重点研发计划资助项目(2017YF0210504) 国家自然科学基金资助项目(51775409,51421004,51365051) 装备预研共用技术和领域基金资助项目(6140004030116JW08001) 

主　　题：转子 无试重动平衡 遗传算法 正则化 粒子群算法 

摘      要：针对传统转子动平衡方法需多次启车确定平衡配重、平衡效率低、平衡成本高的问题,提出了集成遗传算法(genetic algorithm,简称GA)及粒子群算法(particle swarm optimization,简称PSO)的转子多点不平衡量在线识别方法。该方法的核心是将转子不平衡量分解为数目、位置、质量和相位信息,分别获取转子系统理论不平衡响应与实际振动特征,正反问题角度相结合实现转子多点不平衡量的准确识别。首先,采用集成化的GA-PSO优化算法进行不平衡量识别;其次,通过引入正则化思想构造新的目标函数,利用遗传算法获取不平衡数目的稀疏表示,实现不平衡量数目识别;最后,采用粒子群算法进行不平衡量位置、质量和相位识别,通过缩小粒子群算法初值范围,提高不平衡位置、质量和相位识别精度。仿真和转子实验台实验数据的识别结果表明,该方法可以有效对转子不平衡量进行在线预估,并可有效指导现场无试重动平衡,从而降低后续转子系统现场动平衡的成本,提高其平衡效率。