针对装配工厂中各种常见的螺栓松动现象进行阐述,并分析了装配螺栓松动的几种常见的原因以及提出了装配工厂常用的一些防松措施。

螺栓松动损伤具有非线性特征,在低、高频激励共同作用下,结构动力响应会出现高频激励与结构固有频率之间的调制现象。利用该调制现象,发展了一种基于经验模式分解(EMD)的螺栓松动检测方法,分别对高频正弦和随机激励下结构响应信号进行EMD分解并作功率谱分析,采用EMD分解后含有调制成分的高频固有模式函数(IMF)构造能量损伤指标来识别结构螺栓松动。采用多尺度法进行单自由度非线性模型分析解释高频调制现象,并通过螺栓连接框架结构的振动实验验证了该方法的有效性。结果表明,螺栓松动时,响应信号频域中出现高频激励与固有频率间的调制成分,所构造的能量损伤指标能够有效识别螺栓松动损伤,并且对于初始松动损伤识别更为敏感。

1.故障现象 在对皮带机驱传动部停机检查中,发现CCKCGB型液力耦合器与电机、减速机连接螺栓松动,据近一年的记录反映,此类现象共发生17次,问题基本在同一部位,即电机与液力耦合器连接端。故障表现为液力耦合器输入端与电机连接螺栓松动,甚至脱出,其中两次部分螺栓被切断,造成液力耦合器甩飞、损坏。

针对螺栓出现松动故障信号产生非线性、非平稳的现象,提出一种基于VMD与LSSVM模型相结合的螺栓松动状态识别方法。搭建螺栓松动实验平台采集螺栓松动状态下4种工况的振动信号;利用VMD分解对螺栓松动状态各个工况下的振动信号进行分解,并计算VMD分解后各模态分量的能量熵,最后以各工况下VMD分解的各模态分量能量熵为特征构造特征向量矩阵,通过LSSVM模型进行训练与状态识别。实验结果表明:该方法可以有效的识别出的螺栓松动状态,并通过与EMD-LSSVM模型进行对比,验证了该方法用于螺栓松动状态识别的有效性、可行性与相较其EMD分解方法的优越性。

导波损伤检测技术的关键在于检测出结构损伤引起的导波信号变化,但环境温度变化也会影响导波传播过程,引起信号改变,导致损伤检测的失败。为了消除温度变化的影响,笔者采用独立成分分析(independent component analysis,简称ICA)方法处理导波响应信号。作为一种盲源分离的算法"CA能够从混合信号中提取得到独立的未知源信号分量。因此利用ICA方法能将导波的响应源信号从被温度变化干扰的混合信号中分离出来,实现消除温度变化干扰的目的。为验证该方法的可行性,以螺栓连接铝板为对象进行实验,采集不同温度下螺栓全紧及松动状态的导波响应信号,将其经过ICA方法处理后应用到损伤定位算法中。结果表明,应用ICA处理后的导波信号能够成功定位松动螺栓,证实了ICA方法排除温度变化对导波传播影响的有效性。

通过某330MW汽轮机联轴器螺栓松动实例故障诊断分析,探讨了联轴器螺栓松动对汽轮机振动造成的影响,并总结了对该类型故障的振动特征,为其他联轴器螺栓松动故障提供了判断依据。