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。
