[发明专利]基于粒子群算法的大型高速回转装备误差分离优化方法

权利要求书

1.基于粒子群算法的大型高速回转装备误差分离优化方法，其特征在于，所述优化方法包括以下步骤：

步骤一、建立优化传感器安装角度优化目标函数；

步骤二、利用极大熵函数法对目标函数进行等价变换得到可微的优化目标函数；

步骤三、设定约束条件和搜索范围；

步骤四、利用粒子群算法对传感器S2、S3相对于S1的安装角度α和β进行寻优；

步骤五、根据寻优结果对最优安装角度对应的叶子编号进行确定。

2.根据权利要求1所述的基于粒子群算法的大型高速回转装备误差分离优化方法，其特征在于，在步骤一中，具体的：

沿转子圆周按一定角度分布的三个传感器S₁,S₂,S₃分别对航空发动机装配体的叶尖间隙进行测量，采样点数为N，其中坐标系原点O为静子机匣理想轮廓的圆心以及三个传感器的测量中心；传感器的测量值由静子机匣径向尺寸变动量、转静子偏心量以及转子回转误差三项因素决定，转子轴心的位置矢量OP是由转静子偏心量OO'以及转子回转误差OO”矢量相加得到的，设O'(a'_x,a'_y)，|OO'|＝a'；O”(e_x(θ),e_y(θ))，|OO”|＝e(θ)；OO'，OO”与X轴的夹角分别为φ，设被测转子叶片总数为B，传感器S1安装在叶片0号上，传感器S2、S3分别安装在B'和B号叶片上，传感器S2、S3相对于传感器S1的安装角度是和V(θ)为机匣内表面轮廓半径方向的变动量，三个电容传感器在转子转位一圈的情况下分别得到三组叶尖间隙数据D₁(θ),D₂(θ),D₃(θ)：

D₁(θ)＝V(θ)+(a'_x+e_x(θ))cos(θ)+(a'_y+e_y(θ))sin(θ) (1)

D₂(θ)＝V(θ+α)+(a'_x+e_x(θ))cos(θ+α)+(a'_y+e_y(θ))sin(θ+α) (2)

D₃(θ)＝V(θ+β)+(a'_x+e_x(θ))cos(θ+β)+(a'_y+e_y(θ))sin(θ+β) (3)

为去除转静子安装偏心以及转子回转误差对叶尖间隙测量数据的影响，对三组数据进行不等权组合，权值为：

得到组合信号：

对式(5)进行离散化处理，将传感器S2和传感器S3相对于传感器S1的安装角度表示为

对C(k)和V(k)分别进行离散傅里叶变换可得：

其中n＝1,2,3,...,N-1，

根据傅里叶变换的时移特性可得：

进一步变换可得：

设：

其中ω(n)被称为谐波加权函数，简称权函数，因此式(10)可简化为：

对f_V(n)进行离散傅里叶逆变换可得到机匣内表面径向尺寸变动量：

得到机匣内表面径向尺寸变动量V(k)后对机匣内表面圆度误差进行评定，

优化目标表示为：

3.根据权利要求1所述的基于粒子群算法的大型高速回转装备误差分离优化方法，其特征在于，在步骤二中，具体的，利用极大熵函数法对式(14)进行等价变换得：

4.根据权利要求1所述的基于粒子群算法的大型高速回转装备误差分离优化方法，其特征在于，在步骤三中，具体的，对式(15)，取g＝10⁹，设定约束条件：α+15°≤β，15°≤α且β≤345°。