这篇文档属于类型a，即报告了一项原创性研究。以下是针对该研究的学术报告：
作者及发表信息
该研究由Jintao Yao（上海交通大学机械系统与振动国家重点实验室）、Taibo Yang（上海交通大学与核工业西南物理研究院双聘）、Zhihao Bi、Jiaxin Liu、Qingbo He（通讯作者）及Zhike Peng（上海交通大学与宁夏大学双聘）共同完成，发表于International Journal of Mechanical Sciences期刊，2025年3月24日在线发布，卷期号为291-292，文章编号110181。
学术背景
研究领域：机械故障诊断与动力学建模，聚焦于屏蔽电机泵（canned motor pump）的耦合振动分析与智能故障诊断。
研究动机：屏蔽电机泵因其封闭式结构导致内部状态不可直接观测，传统振动监测方法难以建立内部故障与外部可测信号（如壳体振动）的关联，限制了故障诊断的准确性。
科学问题：如何通过建模解析从叶轮流体激励到壳体振动的传递路径，并解决故障样本稀缺下的诊断难题。
研究目标：
1. 建立屏蔽电机泵的耦合振动模型（CVMP），量化内部激励到壳体振动的传递函数（Transfer Function, TF）；
2. 开发四种典型故障（转子质量不平衡、轴承均匀磨损、局部磨损、转子-定子摩擦）的动态模型，生成物理意义明确的故障仿真数据；
3. 提出基于模型的智能诊断框架，解决数据不平衡（class imbalance）条件下的故障分类问题。
研究流程与方法
1. 耦合振动建模（CVMP）
步骤1：界面流场动态力建模
- 研究对象：滑动轴承液膜（hydrodynamic lubrication flow）与转子-定子间隙循环流（rotor-stator clearance circulation flow）。
- 方法：基于雷诺方程（Reynolds equation）和流体守恒定律，采用有限差分法（FDM）求解液膜压力分布，通过积分计算流体动压力（hydrodynamic forces）。
- 创新点：提出考虑湍流效应的等效摩擦系数模型，改进Wendt经验公式以适配高间隙比流场。
步骤2：叶轮-转子-流场系统动力学建模
- 研究对象：转子轴系（Timoshenko梁单元离散）与关键旋转部件（叶轮、飞轮等集中质量）。
- 方法：有限元法（FEM）组装质量矩阵、刚度矩阵及陀螺矩阵，结合Rayleigh阻尼模型构建运动方程。
- 方程形式：
[ M\mathbf{\ddot{u}} + D\mathbf{\dot{u}} + K\mathbf{u} = \mathbf{F}_1 + \mathbf{F}_2 + \mathbf{F}_3 ] 其中(\mathbf{F}_1)、(\mathbf{F}_2)为轴承与间隙流体力，(\mathbf{F}_3)为叶轮流体激励的傅里叶级数展开。
步骤3：壳体振动传递路径建模
- 方法：将壳体视为线性时不变系统（LTI），通过有限元仿真获取解耦的传递函数矩阵(\mathbf{H}_d)，建立频域响应关系：
[ \mathbf{X}_w = \mathbf{H}\mathbf{F}_w ] 其中(\mathbf{F}_w)为激励谱向量，(\mathbf{X}_w)为响应谱向量。
2. 故障动态模型开发
- 故障类型与建模方法：
- 转子质量不平衡（RMU）：离心力模型，参数为不平衡质量(m_e)与偏心距(e_s)（式11）。
- 轴承均匀磨损（UW）：液膜厚度修正(\delta_c)（式12）。
- 轴承局部磨损（LW）：角度依赖的厚度修正函数(\delta(\theta))（式13-14）。
- 转子-定子摩擦（RS）：接触刚度(k_c)与摩擦系数(\mu)的Heaviside函数模型（式15-17）。
3. 智能诊断框架构建
- 数据生成：通过CVMP注入故障参数，合成15通道振动信号（采样率50 kHz），生成500健康样本与2500故障样本（每类500）。
- 网络设计：采用三层卷积神经网络（CNN），输入为时域波形，输出为五类故障分类。
- 小样本优化：通过仿真数据扩充训练集，解决实际故障样本不足（如仅10%真实数据）的问题。
主要结果
模型验证：
- 18个特征频率的几何平均相对误差（GMPGE）低于0.76%（表1），仿真与实验频谱趋势一致（图8）。
- 故障信号仿真与实测对比显示，特征频率（如RMU的1×RPM、LW的1/2×RPM）幅值误差≤40.589%（图10-11）。
诊断性能：
- 单故障小样本：数据增强后，RMU、UW、LW的诊断准确率分别提升6.2%、7%、2.8%（表4）。
- 全故障小样本：样本量为健康样本10%时，增强后准确率从52.2%提升至73.8%（表6），t-SNE可视化显示故障类别可分性显著改善（图12）。
结论与价值
科学价值：
1. 首次建立了屏蔽电机泵的耦合振动模型，解析了故障激励→流固耦合→壳体振动的完整传递路径；
2. 提出物理机理驱动的故障数据生成方法，为封闭式机械的故障诊断提供了可解释的仿真基准。
应用价值：
1. 支持工业场景中故障样本稀缺下的智能诊断，实测数据需求降低至10%-25%；
2. 模型可集成至数字孪生（digital twin）系统，用于预测性维护与寿命管理。
研究亮点
- 多物理场耦合建模：整合转子动力学、流体润滑与结构传递函数，突破传统数据驱动方法的“黑箱”局限；
- 故障植入实验：通过精密加工（如轴承局部磨损45°区域）验证模型保真度；
- 小样本泛化能力：CNN结合仿真数据增强，在类不平衡条件下实现73.8%-90%的准确率。
其他价值
- 附录A详细推导了Rayleigh阻尼的粘性阻尼项求解流程，为转子系统建模提供标准化方法；
- 提出的“动态故障模型+传递路径分析”框架可扩展至其他封闭旋转机械（如核主泵、涡轮分子泵）。
（报告总字数：约1800字）