旋转叶片是航空发动机的关键易损件,需要对其进行状态监测。叶端定时(Blade tip timing,BTT)是一种有效的旋转叶片非接触监测方法。然而,传统的叶端定时严重依赖键相信号,叶端定时信号存在严重的欠采样问题。对此,提出了一种基于叶片振...旋转叶片是航空发动机的关键易损件,需要对其进行状态监测。叶端定时(Blade tip timing,BTT)是一种有效的旋转叶片非接触监测方法。然而,传统的叶端定时严重依赖键相信号,叶端定时信号存在严重的欠采样问题。对此,提出了一种基于叶片振动差的正交匹配追踪(Orthogonal matching pursuit,OMP)方法来提取叶片固有频率。首先,使用叶端定时传感器计算叶片振动差。然后,构建叶片振动差的稀疏模型,在变转速情况下使用正交匹配追踪方法对叶片振动差信号进行分解,提取叶片振动振幅和固有频率。通过数值仿真验证了该方法的有效性和鲁棒性,并在叶端定时试验台上进行试验。结果表明,该方法可以准确识别叶片异步振动的振幅和固有频率。展开更多
叶端定时是航空发动机叶片叶端振动非接触测量的有效手段,但其采样模式决定了所采信号具有高度欠采样特征,需要进行抗混叠频谱分析从而提取转子叶片固有频率这一关键指标。利用了前向平滑策略的改进多重信号分类法(multiple sIgnal clas...叶端定时是航空发动机叶片叶端振动非接触测量的有效手段,但其采样模式决定了所采信号具有高度欠采样特征,需要进行抗混叠频谱分析从而提取转子叶片固有频率这一关键指标。利用了前向平滑策略的改进多重信号分类法(multiple sIgnal classification,MUSIC)能实现抗混叠但无法充分发挥平滑方法的优势。因此,提出适用于叶端定时信号处理的前后向平滑MUSIC法,通过建立传感器的对称布局条件,利用前后向平滑方法代替前向平滑方法,得到更准确的自相关矩阵估计,进而提高叶片固有频率估计性能,并通过仿真和试验验证了在样本数量、算法参数等相同的情况下,前后向平滑MUSIC法的混叠与噪声抑制能力得到了提升。展开更多
叶端定时(blade tip timing,BTT)技术是当前研究重大装备动叶片状态监测与故障诊断的趋势,但BTT技术固有的非均匀、欠采样特性诱使动叶片振动参数辨识困难。本文围绕动叶片异步振动参数辨识问题,首先,通过快速傅里叶变换(fast Fourier t...叶端定时(blade tip timing,BTT)技术是当前研究重大装备动叶片状态监测与故障诊断的趋势,但BTT技术固有的非均匀、欠采样特性诱使动叶片振动参数辨识困难。本文围绕动叶片异步振动参数辨识问题,首先,通过快速傅里叶变换(fast Fourier transform,FFT)算法提取动叶片异步振动幅值和异步振动频率的非整数阶次;随后,改进现有多信号分类(multiple signal classification,MUSIC)算法,提出基于阶次搜索-多信号分类(engine order search-based multiple signal classification,EOS-MUSIC)算法的动叶片异步振动频率整数阶次搜索策略;最后,融合EOS-MUSIC算法与FFT算法分析结果辨识动叶片异步振动参数。基于MATLAB软件仿真动叶片异步振动信号,与现有MUSIC算法比较,验证了EOS-MUSIC算法的可信性和准确性。在离心压气机试验台开展叶轮叶片振动试验,与应变片法相比,EOS-MUSIC算法频率辨识绝对误差为3.36 Hz,相对误差仅为0.53%。本文在FFT算法预处理的基础上,通过阶次搜索辨识动叶片异步振动参数,克服了现有MUSIC算法搜索周期长和辨识精度低的难题,为动叶片异步振动参数辨识提供了理论支撑。展开更多
文摘旋转叶片是航空发动机的关键易损件,需要对其进行状态监测。叶端定时(Blade tip timing,BTT)是一种有效的旋转叶片非接触监测方法。然而,传统的叶端定时严重依赖键相信号,叶端定时信号存在严重的欠采样问题。对此,提出了一种基于叶片振动差的正交匹配追踪(Orthogonal matching pursuit,OMP)方法来提取叶片固有频率。首先,使用叶端定时传感器计算叶片振动差。然后,构建叶片振动差的稀疏模型,在变转速情况下使用正交匹配追踪方法对叶片振动差信号进行分解,提取叶片振动振幅和固有频率。通过数值仿真验证了该方法的有效性和鲁棒性,并在叶端定时试验台上进行试验。结果表明,该方法可以准确识别叶片异步振动的振幅和固有频率。
文摘叶端定时是航空发动机叶片叶端振动非接触测量的有效手段,但其采样模式决定了所采信号具有高度欠采样特征,需要进行抗混叠频谱分析从而提取转子叶片固有频率这一关键指标。利用了前向平滑策略的改进多重信号分类法(multiple sIgnal classification,MUSIC)能实现抗混叠但无法充分发挥平滑方法的优势。因此,提出适用于叶端定时信号处理的前后向平滑MUSIC法,通过建立传感器的对称布局条件,利用前后向平滑方法代替前向平滑方法,得到更准确的自相关矩阵估计,进而提高叶片固有频率估计性能,并通过仿真和试验验证了在样本数量、算法参数等相同的情况下,前后向平滑MUSIC法的混叠与噪声抑制能力得到了提升。
文摘叶端定时(blade tip timing,BTT)技术是当前研究重大装备动叶片状态监测与故障诊断的趋势,但BTT技术固有的非均匀、欠采样特性诱使动叶片振动参数辨识困难。本文围绕动叶片异步振动参数辨识问题,首先,通过快速傅里叶变换(fast Fourier transform,FFT)算法提取动叶片异步振动幅值和异步振动频率的非整数阶次;随后,改进现有多信号分类(multiple signal classification,MUSIC)算法,提出基于阶次搜索-多信号分类(engine order search-based multiple signal classification,EOS-MUSIC)算法的动叶片异步振动频率整数阶次搜索策略;最后,融合EOS-MUSIC算法与FFT算法分析结果辨识动叶片异步振动参数。基于MATLAB软件仿真动叶片异步振动信号,与现有MUSIC算法比较,验证了EOS-MUSIC算法的可信性和准确性。在离心压气机试验台开展叶轮叶片振动试验,与应变片法相比,EOS-MUSIC算法频率辨识绝对误差为3.36 Hz,相对误差仅为0.53%。本文在FFT算法预处理的基础上,通过阶次搜索辨识动叶片异步振动参数,克服了现有MUSIC算法搜索周期长和辨识精度低的难题,为动叶片异步振动参数辨识提供了理论支撑。
