荷，轻者导致转静件间隙变大，重者导致转子叶片机匣产生严重的碰摩； 2) 部分充液转子系统在转速超过了转子的临界转速之后就会出现不稳定； 3) 随着转速的增大，转子在不稳定区的祸动频率与空转子系统的一阶临界转速

之比随之增大，转子在不稳定区的祸动频率与转子的转速之比随之减小。随着流体黏度的增大在不稳定区上边界位置的滞后区明显减小，转子的不稳定区缩小并向低转速方向移动。

轴承座连接松动或转子支承结构间隙超差

轴承座的连接螺栓松动或个别零件没有被压紧而有径向窜动，从而导致支撑振动过大，其振动特征为： 1) 振动多发生在径向；

2) 从振动频谱看，其频谱峰较多，除转速基频外，尚有分频和倍频等频率成分

出现；

3) 振动相位无变化；

4) 转速增减变化时，振动出现突增突减现象。 旋转失速与喘振

旋转失速是压气机中最常见的一种不稳定现象。当压气机流量减少时，由于冲角增大，叶珊背面将发生流体分离，流道部分或全部被堵塞，这样失速区以某速度向叶珊运动的反方向传播。 1) 旋转失速的故障特征有：

2) 振动幅值随出口压力的增加而增加；

3) 振动发生在流量减小时，且随着流量的减小而增大； 4) 振动频率与工频之比为小于1的常值； 5) 转子的轴向振动对转速和流量十分敏感； 6) 排气压力有波动现象；

旋转失速严重时可以导致喘振。喘振的故障特征有： 1) 发动机的声音由尖哨转变为低沉； 2) 发动机的振动加大；

3) 压气机出口总压和流量大幅度波动；

4) 转速不稳定，推力突然下降并且有大幅度的波动；

5) 发动机的排气温度升高，造成超温； 6) 严重时发生放炮，气流中断而熄火停车。 不均匀气流涡动

发动机在运转过程中如果转轴发生了弯曲，则叶轮偏向内腔的一侧，径向间隙沿周向不均匀分布，转子在这种情况下容易产生涡动，当涡动频率接近系统的固有频率且气流压力足够大时，就发生振荡。故障特征有： 1) 振荡频率为~倍工频；

2) 转子有偏心弯曲造成的间隙不均； 3) 振动对气流压力、流量的改变非常敏感；

4) 负荷存在一个“阀门值”，在其附近可导致剧烈振动；

5) 在多个转子组成的轴系中，气流涡动常发生在气流压力高的转子上。

航空发动机整机振动信号分析

对于振动信号分析，时、频域的分析是最常用的分析手段，虽然故障信号往往具有高度的复杂性，但是对于一些典型的故障，对其原始波形、轴心轨迹及基本的频谱分析仍具有一定的有效性。小波分析、变换等在特征提取方面有较好的效果，近年来被广泛应用。小波分析技术由于具有良好的时频局部化性质，对突变和非平稳信号的分析效果明显。对试验所得信号釆用基于双正交小波包基的方法可以对振动信号进行消噪处理，有效地剔除噪声干扰。对消噪的信号进行小波包分解，能够对各相关频带进行能量计算，分离并提取不同频带里的故障特征频率，实现信号在不同频带、不同时刻的合理分离。方法则可以根据信号的局部时变特征进行自适应的时频分解，消除了人为划分频带等限制，克服了传统方法中无法用无意义的谐波分量来表示非平稳、非线性信号的缺陷，可以得到较高的时频分辨率。采用可以对航空发动机振动信号从时间频率幅值分布、瞬时频率变化情况等方面进行了更加详尽的刻画，揭示可能存在的故障特征。

另外，由于航空发动机的主要整机振动故障可以归为非线性故障，很多情况下振动行为往往具有典型的非线性特性，因此所测量得到的振动信号具有明显的非线性，如碰摩故障存在时的情况。基于现代非线性理论的映射法、指数法、替代数据法以及分形理论等，可以进一步从定性定量的角度刻画分析航空发动机整机振动时的复杂运动特征，所得到的量化指标可以用于故障特征提取。

表2 振动信号分析列表

转子系统振动故障的时域分析算法

振动信号的时域波形分析是对信号（包括确定性信号与随机信号）的时域参数进行处理，求得信号的幅值、周期、相位、均值、均方值、方差等特征量。可识别其以下一些时域特征参数，如：周期或频率；峰值或峰峰值；初始相位等。 转子系统振动故障的频域分析算法

振动信号的频谱分析是计算采集数据的幅、相频特性曲线，基本出发点是数字信号的快速傅立叶变换。对于转子系统来说，振动信号中的很多频率分量都与转子转速关系密切，往往是转速频率的整数或分数倍，因此在频谱分析时，所关心的都是各种轴转速的多倍频率处以及转速的非整数倍频率处的峰值。频谱中的同步分量是指轴速频率的整倍数，通过分析频谱中的同步波峰可以发现许多故障，其中包括不平衡、不对中、松动、轴弯曲、叶片磨损、齿轮啮合问题等；次同步涉及到频谱上机器运转速度频率以下的区域，该区域可能出现的故障包括油膜祸动、滚动轴承保持架频率、皮带频率、瑞流以及摩擦和严重松动等；不同步波峰位于轴速频率的非整数倍处，其部分来源是滚动轴承、由不同轴驱动的部件、次同步的谐波频率、共振、机器产生的噪音、气穴现象等。 转子系统振动故障的小波包分解算法

小波包分解技术将信号无冗余、无疏漏、正交地分解到相互独立的频带内，这些分解频带信号都具有一定的能量，每个频带里信号的能量对于状态监测和故障诊断都是十分有用的信息。频带能量监测应当包括各频带里信号的全部能量，包括非线性振动能量，如松动、摩擦、爬行、碰撞等等。利用小波包分解频带能量比例特征，通过监测对应频带里能量比例的变化，可以对转子系统运行状态过程中振动的变化进行有效的监测和故障诊断。 转子系统振动故障的HHT分析算法

旋转机械故障振动信号大部分都是非平稳信号，其明显特征是存在着时变频率，在现实生活中，时变频率是普遍存在的，如变化的色彩、变化的声音等等。而傅里叶变换和时频分析都不能很满意地解决这一问题，解决这一问题的最理想方法是研究信号的瞬时频率。传统的频率概念源于针对周期性信号的经典物理学

定义，其实质是表征信号在一定时间内的总体特征。瞬时频率与传统的频率概念截然不同，但可以兼容后者。

目前，人们对瞬时频率的认识形成了一些共识：瞬时频率的解析信号相位求导定义极具合理性，其中解析信号由变换唯一确定；信号分为单分量信号和多分量信号：单分量信号在任意时刻都只有一个频率，该频率称为信号的瞬时频率；多分量信号则在不同的时刻具有各自的瞬时频率。

在HHT中，为了计算瞬时频率，定义了固有模态函数（简称IMF），它是满足单分量信号物理解释的一类信号，在每一时刻只有单一频率成分，从而使得瞬时频率具有了物理意义。直观上固有模态函数具有相同的极值点和过零点数目，其波形与一个标准正弦信号通过调幅和调频得到的新信号相似，其定义如下：

一个固有模态函数必须满足以下两个条件：

a. 在整个数据段内，极值点的个数和过零点的个数必须相等或相差最多不能超

过一个；

b. 在任意时刻，由局部极大值点形成的上包络线和由局部极小值点形成的下包

络线的平均值为零，即上、下包络线相对于时间轴局部对称。

HHT由经验模态分解（EMD）和Hilbert变换两部分组成。其基本思想是，将原始信号经EMD分解成一系列IMF的组合，然后对每个IMF利用解析信号相位求导定义计算出有意义的瞬时频率及瞬时幅值，获得信号的时-频谱—Hilbert谱。

航空发动机整机故障诊断算法

目前，用于航空发动机整机振动故障诊断的方法有很多，主流的是基于信息融合的故障诊断方法。以下根据故障诊断方法的特征对其进行分类，主要有基于解析模型的故障诊断方法、基于统计的故障诊断方法和基于人工智能的故障诊断方法。

基于解析模型的故障诊断方法

基于解析模型的故障诊断方法是将系统数学模型得到的模型计算解与待诊断对象的实际测量结果进行对比，得到估计值与测量值之间的残差，然后根据残差的大小来实现故障诊断，具有易于诊断分析的优点，同时，也存在计算量大、系统精确数学模型不好建立等缺点。实际上，状态估计法、参数估计法以及等价空间法也是基于解析数学模型的方法，只是它们的残差产生方式不同而已。