一种基于振动模态的磨机基础边界支承刚度的识别方法与流程

技术特征：

1.一种基于振动模态的磨机基础边界支承刚度的识别方法，其特征在于，具体步骤如下：

1)建立磨机系统化模型：首先对磨机系统中各组成部件的局部几何特征进行简化，然后基于前处理软件采用实体单元、板单元对基础以及磨机进行网格划分，各个组件之间的连接采用弹簧阻尼单元描述；

2)磨机系统的模态试验：设计磨机系统模态测试方案，测试方案中包括安排测点位置、传感器类型及测试方向、设定测试频段以及分辨率，后对测试数据进行分析，准确识别出磨机系统的主要模态信息；

3)仿真与试验的相关性分析：将试验识别的磨机系统的主要模态与有限元模型计算的主要模态进行比较，采用模态置信度准则来评价模态振型的相关性，并计算对应模态频率的误差；模态置信度的计算公式如(1)所示，频率误差计算公式如(2)所示。

${\mathrm{MAC}}_{ij}=\frac{|{\left(\right\{{\mathrm{\φ}}_i^e\left\}\right)}^T\left(\right\{{\mathrm{\φ}}_j^a\left\}\right){|}^2}{{\left(\right\{{\mathrm{\φ}}_i^e\left\}\right)}^T\left(\right\{{\mathrm{\φ}}_i^e\left\}\right){\left(\right\{{\mathrm{\φ}}_j^a\left\}\right)}^T\left(\right\{{\mathrm{\φ}}_j^a\left\}\right)}---\left(1\right)$

式中分别表示试验模型的第i阶振型和计算模型的第j阶振型；

$\mathrm{\Δ}\mathrm{\ω}=\frac{{\mathrm{\ω}}_a-{\mathrm{\ω}}_e}{{\mathrm{\ω}}_e}---\left(2\right)$

式中，ω_a和ω_e分别为对应阶次的有限元计算的模态频率和试验测试的模态频率；

4)构建目标函数：根据上述步骤3)相关性分析结果，选择对应的试验与仿真模态参数，根据对系统各阶模态的关注程度，设定权重数及函数类型，得到边界支承刚度识别的目标函数；

5)建立支承参数与目标函数的代理模型：根据上述步骤4)中定义的目标函数，采用拉丁超立方抽样方法和径向基函数近似方法，建立边界支承刚度与目标函数之间的代理模型；采用决定系数和相对均方根误差指标对模型的精度进行验证，若代理模型精度满足工程使用要求，则进行下一步，若不满足要求，则重新抽样或重新构建代理模型；

6)基础边界支承刚度识别：采用全局优化方法，在支承刚度的设计空间中，对所构建的目标函数进行优化，当目标函数值稳定收敛时有限元计算与试验测试对应模态参数误差最小，从而可以确定边界支承刚度，获得能反映真实工作状态的磨机基础系统的有限元模型。

2.根据权利要求1所述的基于振动模态的磨机基础边界支承刚度的识别方法，其特征在于，所述的步骤1)中的有限元模型是包括回转齿轮部、筒体部，主轴承、基础等组成部件的系统化有限元模型。

3.根据权利要求1所述的基于振动模态的磨机基础边界支承刚度的识别方法，其特征在于，所述的步骤2)中的模态试验为运行状态下的模态试验。

4.根据权利要求3所述的基于振动模态的磨机基础边界支承刚度的识别方法，其特征在于，所述的步骤3)中试验测试与有限元计算比较的主要模态包括轴向、径向一阶模态及刚体模态的系统整体结构的模态，且主要模态对边界支承刚度的变化影响敏感。

5.根据权利要求1所述的基于振动模态的磨机基础边界支承刚度的识别方法，其特征在于，所述的步骤6)中的全局优化方法指人工智能的遗传算法或粒子群优化方法。