[发明专利]基于卷积神经网络的大型高速回转装备多级零部件初始不平衡量逐级堆叠方法

权利要求书

1.基于卷积神经网络的大型高速回转装备多级零部件初始不平衡量逐级堆叠方法，其特征在于，所述方法包括

步骤一、确定n级转子装配后由各级转子定位误差引起的偏心误差传递矩阵，所述偏心误差传递矩阵为：

其中，p_i为第i级转子径向测量面圆心的理想位置向量；dp_i为第i级转子径向测量面圆心位置的加工误差向量；S_ri为第i级转子绕Z轴旋转θ_ri角度的旋转矩阵；

步骤二、获取装配后各级转子定位误差引起的第n级转子不平衡量，所述第n级转子不平衡量表示为：

其中，Ux_0-n为装配后第n级转子测量面在X轴方向上的不平衡量；Uy_0-n为装配后第n级转子测量面在Y轴方向上的不平衡量；m_0-n为装配后第n级转子的质量，p_i为第i级转子径向测量面圆心的理想位置向量；dp_i为第i级转子径向测量面圆心位置的加工误差向量；S_ri为第i级转子绕Z轴旋转θ_ri角度的旋转矩阵；

步骤三、计算n级转子装配后由各级转子定向误差引起的偏心误差传递矩阵，所述偏心误差传递矩阵为：

其中，S_xi为第i级转子基准平面绕X轴旋转θ_xi角度的旋转矩阵；S_yi为第i级转子基准平面绕Y轴旋转θ_yi角度的旋转矩阵；p_i为第i级转子径向测量面圆心的理想位置向量；S_ri为第i级转子绕Z轴旋转θ_ri角度的旋转矩阵；S_xj-1为第j-1级转静子基准平面绕X轴旋转θ_xj-1角度的旋转矩阵；S_yj-1为第j-1级转静子基准平面绕Y轴旋转θ_yj-1角度的旋转矩阵；S_rj-1为第j-1级转静子绕Z轴旋转θ_rj-1角度的旋转矩阵；

步骤四、根据偏心误差传递矩阵获取装配后由各级转子定向误差引起的第n级转子不平衡量，所述装配后由各级转子定向误差引起的第n级转子不平衡量表示为：

其中，Ux_0-n为装配后第n级转子测量面在X轴方向上的不平衡量；Uy_0-n为装配后第n级转子测量面在Y轴方向上的不平衡量；m_0-n为装配后第n级转子的质量；S_xi为第i级转子基准平面绕X轴旋转θ_xi角度的旋转矩阵；S_yi为第i级转子基准平面绕Y轴旋转θ_yi角度的旋转矩阵；p_i为第i级转子径向测量面圆心的理想位置向量；S_ri为第i级转子绕Z轴旋转θ_ri角度的旋转矩阵；S_xj-1为第j-1级转静子基准平面绕X轴旋转θ_xj-1角度的旋转矩阵；S_yj-1为第j-1级转静子基准平面绕Y轴旋转θ_yj-1角度的旋转矩阵；S_rj-1为第j-1级转静子绕Z轴旋转θ_rj-1角度的旋转矩阵；

步骤五、将单级转子自身不平衡量和装配过程中由定位和定向误差引入的不平衡量进行矢量相加，得到多级转子装配后任意一级转子的不平衡量；

步骤六、将各级转子不平衡量进行矢量叠加，得到多级转子初始不平衡量；

步骤七、利用卷积神经网络，将各级转子几何量、不平衡量、装配角度及多级转子装配后预测初始不平衡量作为输入参量，实际不平衡量作为输出参量，建立多级转子装配初始不平衡量预测修正模型，实现初始不平衡量的准确预测；

步骤八、依据多级转子初始不平衡量与角向安装位置之间的关系，建立基于各级转子角向安装位置的多级转子初始不平衡量的优化模型；

步骤九、利用遗传算法优化各级转子角向安装位置，即可得到各级转子角向最佳安装相位，实现多级转子初始不平衡量的优化。