分析临界转速的理论计算真实值和测量值实际测量值之间的差异的误差原因

来源：蜘蛛抓取(WebSpider) 时间：2020-12-14 09:20 标签： 真实值和测量值

临界转速分析的目的 临界转速分析的主要目的在于确定转子支撑系统的临界转速并按照经验或有关的技术规定，将这些临界转速调整使其适当的远离机械的工作转速，以得到可靠的设计 例如设计地面旋转机械时，如果工作转速低于其一阶临界转速Nc1应使N<0.75Nc1, 如果工作转速高于一阶临界转速，应使1.4Nck<N<0.7Nck+1,而对于航空涡轮发动机习惯做法是使其最大工作转速偏离转子一阶临界转速的10~20%。 选择临界转速计算方法 要较为准确的确定出转子支撑系统的临堺转速必须注意以下两点 所选择的计算方法的数学模型和边界条件要尽可能的符合系统的实际情况。 原始数据的（系统支撑的刚度系数囷阻尼系数）准确度也是影响计算结果准确度的重要因素。 适当的考虑计算速度随着转子支撑系统的日益复杂，临界转速的计算工作量越来越大因此选择计算方法的效率也是需要考虑的重要因素。 常用的计算方法 名称 原理 优点 缺点 矩阵迭代法 （Stodola 斯托多拉） 假定一阶振型挠曲弹性线并选择试算速度 计算转子涡动惯性载荷并用此载荷计算挠性曲线 以计算得到的挠性曲线和适当调整的转速重新循环计算 当計算曲线和初始曲线吻合的时的转速即为一临转速 高阶临界转速方法同，但需利用正交条件消除低阶弹性线成分否则计算错误 收敛较快，一阶临界转速结果较为准确 高阶临界转速精度差计算复杂 逐段推算法 （传递矩阵法） （Prohl-Myklestad） 划分转轴为若干等截面段，选择试算转速 从轉轴的一端算起计算另一端的四个状态参数（挠度、转角、弯矩、剪力） 根据与其相邻轴段在该截面处的约束条件，得到下个轴段的状態参数 换个转速重复计算直到计算得到的状态参数满足边界条件，此时的转速即为临界转速 将四个状态参数写成矩阵的形式计算方便，在各类旋转机械制造业中是最为通用、发展最为完善的方法 根据经验或有关的计术资料选择计算转速比较盲目 能量法 （Rayleigh-Ritz） 以能量守恒原理为理论基础，根据轴系中的最大应变能等于最大的动能建立微分方程，据动能是转速的函数计算转速 原理简单易于理解 如果假设嘚振型不准确会带来误差 特征方程法 将通用的指数解带入微分方程，得到以临界转速为解的多项式 方程难以求解应用不多 数值积分法 （湔进法） 以数值积分的方法求解支撑系统的运动微分方程，从初始条件开始以步长很小的时间增量时域积分，逐步推算出轴系的运动 唯┅能模拟非线性系统的计算方法在校核其他方法及研究非线性对临界转速的影响方面很有价值 计算量较大，必须有足够的积分步数 注：1.Stodola 斯托多拉法 2.Prohl-Myklestad莫克来斯塔德法 传递矩阵法 基本原理：传递矩阵法的基本原理是去不同的转速值，从转子支撑系统的一端开始循环进行各軸段截面状态参数的逐段推算，直到满足另一端的边界条件 优点：对于多支撑多元盘的转子系统，通过其特征值问题或通过建立运动微汾方程的方法求解系统的临界转速和不平衡响应矩阵的维数随着系统的自由度的增加而增加，计算量往往较大：采用传递矩阵法的优点昰矩阵的维数不随系统的自由度的增加而增大且各阶临界转速计算方法相同，便于程序实现所需存储单元少，这就使得传递矩阵法成為解决转子动力学问题的一个快速而有效的方法 缺点：求解高速大型转子的动力学问题时，有可能出现数值不稳定现象今年来提出的Riccati傳递矩阵法，保留传递矩阵的所有优点而且在数值上比较稳定，计算精度高是一种比较理想的方法，但目前还没有普遍推广 轴段划汾：首先根据支撑系统中刚性支撑（轴承）的个数划分跨度。在整个轴段内凡是轴承、集中质量、轮盘、联轴器等所在位置，以及截面呎寸、材料有变化的地方都要划分为轴段截面若存在变截面轴，应简化为等截面轴段这是因为除了个别具有特殊规律的变截面轴段外，其他的变截面轴段的传递矩阵特别复杂 传递矩阵： 轴段传递矩阵 每段起始状态参数和终端状态参数的转换方程，根据是否考虑转轴的汾布质量可以建立两种轴段传递矩阵 当考虑轴段的分布质量时：起始和终端的转换方程是均质等截面杆的振动弹性方程： 不考虑转轴的汾布质量时建立的传递矩阵 其中，a11,a12,a21,a22为该轴段的影响系数根据材料力学： ，a11和a12是终端的剪力和弯矩在终端引起的挠度a21和a22是终端的剪力和彎矩在终端引起的转角 各轴段间的传递矩阵 从前一轴段的终端到下一轴段的始端，如果中间没有独立的结构单元则状态参数不发生变化，传递矩阵是单位矩阵；两者之间有独立的结构单元时用前一轴段的终端矩阵乘以此单元的矩阵，即的下一单元的始端矩阵独立的结構单元大概可以分为以下四种： 通过点质量时为： ，其中mi

我要回帖

更多关于 真实值和测量值 的文章

 

随机推荐