文摘
叶片振动和叶片间隙是有效的诊断旋转机械叶片损伤的识别功能。叶片tip-timing(它)是一种非接触的方法,通常用于监测旋转机械振动和刀片的间隙。井下电视测量的标准信号处理给一个叶片响应样品每革命机器通常损伤诊断的不足。本文直接采用原始数据来自传感器的信号,采用小波能源失谐指数(WEBMI)预测在旋转叶片损伤的存在和位置。的Lipschitz指数来源于小波包系数和用于估计损失的严重程度。在这项研究中,实验获取井下电视测量旋转叶片上rpm使用三个不同的传感器:一个活跃的涡流传感器,一个被动的涡流传感器和光学传感器。此外,锤激发实验对各种附加质量(破坏)情况下计算刃的磁盘损伤严重程度。模拟的损伤实验刃的磁盘和旋转叶片,群众被添加到叶片改变动力学和模拟损伤。结果表明,WEBMI可以检测损伤的存在和位置旋转刀片使用常见的井下电视测量传感器。检查提出的鲁棒性损伤严重程度指数,实验结果与数值模拟的刃的磁盘和显示良好的协议。
1。介绍
高周疲劳(HCF)造成损害的叶片在透平机的操作,如果忽视整个机器的可能导致灾难性的失败。因此,增加维护成本,减少交货时间。因此,旋转叶片的损伤的早期评估状态维修提高效率和增加透平机的使用寿命。在过去的几十年里,许多研究人员提出了非接触测量和数据处理技术来监测叶片在旋转机器的振动和间隙由于不干扰和安装方便的传感器可以提示识别潜在的损害。刀片tip-timing(它)方法是一个著名的非接触法测量叶片振动和叶片叶尖间隙在发动机操作和检测不同类型的叶片故障(1]。这个概念依赖于大量的探针固定在套管检测叶尖的机器的通过前面的调查。走调的影响叶片的同步旋转叶片的振动已经被它数据分析(2]。叶片振动监测,叶片裂纹检测在机器操作(3]。中的异常期间井下电视数据测量发动机的振动特性测试是用来识别叶片损伤(4]。它测量用于识别动态行为和检测一个小失谐的旋转刃的磁盘模式(5]。随着叶片振动数据,叶片叶尖间隙(BTC)测量叶尖之间的差距和旋转电机的外壳,是一个额外的诊断参数被用来识别损伤。这些测量也可以获得的叶尖传感器。
总结了叶片振动监测技术,区分裂缝和任何其他来源的影响基于叶片长度测量的损伤(1]。提示时间数据的测量转子叶片在不同的发动机试验来评估这些传感器来检测动态能力的外物损伤事件(6]。描述了非接触式诊断方法确定基于轴向叶片损坏汽轮机叶片延长参数(7]。然而,它是具有挑战性的预测只使用叶片旋转叶片的异常延长和振幅参数。因此,数据驱动的检测技术是用来分析BTC数据从转子盘测试获得的损伤诊断方法的可行性[8]。
除了BTC数据,叶片的模态参数是用来检测旋转叶片损坏。实验研究进行组装试验台的三个旋转测试刀片,和裂纹的位置和长度估计基于模态参数(9]。叶片固有频率和叶尖位置从它获得方法检测在航空发动机叶片裂纹(10]。Chatterjee和Kotambkar11绑扎用铁丝损伤引起的)调查了失谐叶片包使用模态特征。徐et al。12]研究了裂缝对走调旋转叶片的振动特性基于固有频率,振幅,振动和振动定位参数。然而,模态参数不敏感损失水平低,和自然固有频率和振型是很难衡量的由于它的二次抽样频率信号,这取决于转速。因此,它测量的信号处理是必要的重构信号来解决混叠效应在应用之前损伤检测算法。Salhi et al。13)提出了一个基于香农定理的井下电视信号重建方法。然而,在实践中,它并不是真正的带限信号,因此重构信号混叠的影响仍然存在。
井下电视信号的采样率低是因为每个革命是只有一个叶片响应样本提取原始传感器信号的处理。稀疏表示(SR)模型建立了多模叶片振动监测(14,15]。然而,传感器的输出通常是测量在一个较高的采样率和将包含一个组合叶片振动和旋转的机器。从这些信号中提取合适的特性来检测损伤需要先进的信号处理工具,比如小波变换。
小波包变换(WPT)是一个富有的信号处理工具,执行一个完整的分解,包括低频(近似)和高频(详细的)组件。WPT还可以处理子样品信号和克服重建信号的混叠效应。中升(16]提出了nonaliasing重建算法的子样品叶片tip-timing基于香农定理和WPT的信号。WPT应用于子样品旋转模式形状检测位置和大小的梁和板结构的附加质量数值模拟(17,18]。Jamia et al。19]采用WPT分析识别,位置和严重程度的失谐刃的磁盘进行的一系列影响锤测试。他们主要解决损害的存在和位置但是他们没有证明损害严重程度和小波系数之间的关系。
对损伤严重程度的评估,Montanari et al。20.]介绍了连续小波变换(CWT)建立裂纹指数检测和估计裂纹位置和大小不同的光束使用前三个模式的形状。香港et al。21]介绍了李普希茨指数可以作为损伤程度指标在使用CWT梁。Douka et al。22)和Loutridis et al。23]介绍了一种强度因子估计裂纹的大小变换的系数。李普希茨(Hoelder)指数()和强度因子()来自波变换系数量化损伤之间的关系和小波系数的变化源于模态应变能和元素数据24]。陈等人。25)采用李普希茨指数量化信号奇异点的一栋5层楼的建筑模型的加速度响应分析。利用连续小波变换在实际应用中,建议快速数值算法;为了获得离散数据点,一个人应该样本二元网格的连续小波算法,因为它证明了小波变换在二元的网格是完整和稳定26]。Błaszczuk和Pozorski27]讨论了应用离散小波变换(DWT)和李普希茨指数估计函数可微性的梁结构响应。
总之,基于上面的文献综述,可以得出以下几点:(a)叶片振动和叶片叶尖间隙是有效的诊断特性检测叶片损伤在一个旋转的机器,(b)直接井下电视信号有困难在解释旋转叶片的损坏,(c)对模态参数识别在旋转叶片失谐或损坏,(d)井下电视测量的信号处理需要在应用WPT之前分析,(e) WPT分析是一个富有的信号处理工具,甚至可以处理BTT-reconstructed信号检测异常特征,并(f)李普希茨指数被用来量化损伤。新奇的光,本研究应用来自它的原始信号传感器到WPT分析来检测损伤的存在和位置旋转叶片和估计的小波包系数的Lipschitz指数量化损伤的严重程度有刀刃的磁盘和旋转叶片。最初的研究也报道,展示了李普希茨的有效性指数量化损伤固定刃的磁盘使用影响测试的加速度计测量的响应。
本文组织如下。部分2描述的制定提出WEBMI和损伤严重程度指数。冲击锤的性能测试来估计的损伤严重性刃的磁盘部分是简要解释3。井下电视的细节提出了实验和测量结果和讨论部分4。最后,总结并提供了本研究的结论部分5。
2。小波能源失谐指数
在这项研究中,小波能源失谐指数(WEBMI)是用来检测损伤的存在和位置旋转叶片用它测量传感器。为了理解,WEBMI简要地讨论了,随着阈值基于统计的信心。然后李普希茨指数的描述,其次是拟议中的严重程度指数的定义。
2.1。WPT的介绍
小波包是一个函数, , ,和频率调制,规模(分解级别),分别和翻译参数。因此 在哪里显示的频率调制小波函数。后的分解层级上,原始信号可以表示为
信号的小波包组件可以表示为一个线性组合小波包函数作为 在哪里表示样品的数量为四个革命,小波包系数可以获得 在哪里和分别近似系数和细节。假定为正交小波包的功能,
因此,小波分量能量水平的模态组件被定义为能量存储在组件的信号,是由
组件的信号提取的水平,但在时域这样翻译 。估计组件能量是存储在不同频带的能量规模。的变化率信号小波分量的能量在水平和组件可以表示为 其中下标和分别表示损坏和未损坏的情况下,。变化的速度在能源、 ,定义了WEBMI。
2.2。阈值
增加预测的鲁棒性的损伤位置,使用统计特性和阈值建立了单边置信限度损伤指标的连续测量。的平均值和标准偏差估计WEBMI值给出的和 ,分别。因此,片面WEBMI信心上限是由以下方程(28]: 在哪里是WEBMI值的总数,可以完成小波包分解后得到在给定的水平。标准正态分布的值是零均值和单位方差,给出了100年的累积概率 。这个上限可以被定义为一个阈值,和任何指数超过阈值可以显示损伤的确切位置。短暂的损伤检测方法使用WPT分析提供的流程图如图1。
2.3。的Lipschitz指数
一个函数有一个李普希茨指数在点如果存在一个常数和一个多项式的程度(是最大的整数满意吗),这样21] 在哪里
的Lipschitz指数函数的可微性措施 ;没有可微的函数如果 。所有的函数的不连续性在点中包含的函数 。
当李普希茨指数应用于小波变换,然后确定的母小波消失的时刻是非常重要的。一个函数据说消失的时刻,如果满足以下条件:
假设消失的时刻,小波函数的数量大于李普希茨指数,即, 。然后,小波变换只保留奇异函数的一部分因为 因此 在哪里定义了小波变换。
最大的小波包系数降低的分解, ,减少。孤立奇点,小波最大指数衰减法是有界的,用一个指数等于Lipschitz指数 。Błaszczuk和Pozorski27)提出了一个不平等的形式 或者同样的
因此,一块对给出了一个直线斜率 ,这个斜率可以从两个值的估计 。
2.4。损伤指数
在当前分析的关键区别是取代小波包系数, ,之间的绝对差WEBMI控制上限, 。分解的各级能源直接取决于小波系数,因此如果损坏导致不连续的小波变换,然后它还将提供一个不连续WEBMI。李普希茨指数的估计的WEBMI给出 在哪里和估计是分解水平选择。
3所示。刃的磁盘的例子
这项研究是一个扩展我们的以前的工作,确定了失谐刃的磁盘使用WPT方法[19]。量化的损伤,提出损伤严重程度指数现在证明利器,磁盘上的例子。仿真包括磁盘20叶片和两个自由度刀片如图2,模拟的损害一个叶片的刚度降低。实验示例包含一个磁盘有12个叶片,在“损害”是实现通过添加质量的叶片,如图3。损伤的等效模拟和实验然后由考虑叶片的第一固有频率的变化。
(一)
(b)
3.1。数值模拟
数值模拟是进行降维两个自由度每刃的磁盘的叶片模型由Salhi et al。29日)和使用地点等。19演示WEBMI]。刃的磁盘是由20个叶片。图2展示了一个示意性的两自由度模型,只有三个部门的刃的磁盘显示为一个质量弹簧系统。冲动是应用于一个叶片,和相应的时间响应得到叶尖。只输出响应信号用于获取WEBMI WPT分析。李普希茨指数是源自于WPT分析估计的损伤严重程度刃的磁盘。
每部门所使用的模型有两个自由度,代表叶片和磁盘扇区。每个磁盘扇区耦合刚度与邻近的部门 。单个叶片的刚度是由 。假设每个叶片的装配有一个重要的模式,通常是第一个弯曲模式。没有离心加劲或转动动力学的影响被认为是显式地在这个模型中,尽管离心加劲可能包括通过增加叶片刚度 。比例阻尼模型。每个叶片的自由振动响应和生成磁盘扇区。
刃的磁盘模型的运动方程在自由振动的定义是 在哪里是位移对应的向量(2×20)景深。的位移nth部门是由 其中下标1和2代表叶片和磁盘扇区,分别。
, ,和代表结构的质量、阻尼和刚度矩阵的维度与 ,在哪里叶片的数量。质量矩阵是由 在哪里和叶片的模态质量和相应的磁盘扇区,分别。刚度矩阵是由
比例阻尼矩阵是由 比例的因素和是1.0823和 ,分别。所有模式的阻尼比率约等于0.01。刃的磁盘模拟给出的参数表1。
检查李普希茨指数之间的关系, ,刃的磁盘和损伤严重程度,进行数值分析对不同刚度降低,变化从1%降至9%。在这项研究中,小波函数选择三个消失的时刻,和第一个小波包能量被认为是在损伤识别方法,显示在[19]。然后,Lipschitz指数计算了两种不同水平的输入(和使用方程(系数)16)。最低级别的被要求检测损伤和被选为满足消失时刻条件小波。研究了高阶小波函数,但在这种情况下,小波是最优估计函数的奇点。
图4表明Lipschitz指数减少指数随着降低刚度的增加,这意味着函数的可微性减少伤害严重程度提高。的Lipschitz指数有能力预测函数的可微性刚度变化的1%。李普希茨指数遵循消失时刻条件这意味着选择”“小波函数是适合这个研究。最小刚度变化由于损失了1%,在这种情况下;小刚度变化通常需要高阶小波函数。
3.2。实验验证
检查提出的鲁棒性损伤严重程度指数,斯旺西大学进行锤击试验产生影响。执行这个实验,4-channel数据采集(采集)系统中,三个加速度计,锤产生影响,和数据采集软件使用(见图3(一个)),(实验过程简要解释19]。在这项研究中,附加质量不一的11 g - 99 g,与11 g的一个增量,中部叶片估计附加质量(破坏)严重程度如图3 (b)。质量质量增加了使用矩形磁铁33 g如图3 (b)大规模11 g,环形磁铁安装在梁在中心位置从叶根大约15毫米。表2显示了组合和磁铁的位置来实现不同的质量值。实验李普希茨指数, ,据估计,如图4作为质量的函数。结果清楚地表明,李普希茨添加了质量指数降低,但在指数有明确的步骤。事实上,减少李普希茨指数似乎低于预期矩形磁铁时添加到梁。磁铁添加一些刚度梁除了质量外,和对面的质量和刚度对固有频率的影响。然而,由于附加质量固有频率的变化,如图5从实验获得响应数据表明,固有频率变化顺利,质量补充道。
3.3。模拟和实验结果进行比较
比较模拟和实验结果,刚度之间的关系必须找到减少附加质量的仿真和实验。这种关系是由等同固有频率的变化,由于“伤害”。模拟,计算刚度的第一固有频率变化减少5%的为0.3267%,而第一个实验固有频率的变化由于55 g的附加质量约0.36%。因此,数值第一固有频率变化由于刚度降低5%接近实验第一固有频率变化的附加质量55 g。叶片的有限元(FE)分析也给另一个执行比较。磁盘中的每个叶片与维度视为悬臂梁毫米。杨氏模量是166 GPa取决于模型更新以匹配与实验第一固有频率的情况下质量密度的7870公斤/米3。光束分为20个元素来实现第一固有频率的精确数据,并介绍了损伤(质量)从第二到第四个元素的光束与实验中的附加质量的位置。55 g的附加质量模拟的有限元模型,和第一固有频率的变化约0.3818%,约等于实验第一固有频率的变化。因此在图4之间的线性关系附加质量和刚度降低是基于减少5%的等效刚度和55 g的一个附加质量。图4然后显示了一个合理的实验结果和数值结果之间的协议。
4所示。实验验证一个旋转刃的磁盘
4.1。刃的磁盘试验台
斯旺西大学的试验装置的设计和制造以生成它使用不同类型的传感器测量和验证拟议的技术。传感器选择用于获得它,是典型的测量,即。,an active eddy current sensor (AECS), a passive eddy current sensor (PECS), and an optical sensor. The test rig is composed of a bladed disk with 12 blades surrounded by a cylindrical casing at the distance(叶尖和传感器)之间的差距。刃的磁盘是夹到最后两个球轴承支持的一个旋转的轴安装在两个分裂止推轴承外壳。轴是由一个伺服电机驱动的rpm。生产试验设备细节图所示6。
“伤害”是通过添加质量的叶片诱导。传感器被安装在套管检测叶尖位移,通过前面的探头,如图7(一)。物理传感器由4-channel输出测量数据采集系统在一段时间内的采样率赫兹。模拟的损害与磁铁放置附加质量意识到毫米从根的叶片,如图7 (b)。在这项研究中,叶片运行rpm。没有明确的激励的叶片在实验中,虽然使用的编码器的分辨率速度控制意味着叶片的弯曲振动将兴奋通过轴的扭转振动。这可能证明了估计的速度机器到达时间的基础上一个特定的叶片;非常数的速度将源自轴速度变化和叶片振动。图8显示了一个典型的例子,估计速度和显示一个小的变化0.03%,这为WEBMI提供足够的激励方法。不同的测试用例进行质量增加了,即,(我)a single added mass to blade 8, (ii) multiple masses added to blades 4 and 8, and (iii) a single mass added to blade 8 that varied fromgg;的描述增加了群众和他们的立场的不同损伤情况下的表2。
(一)
(b)
4.2。信号处理井下电视测量的传感器
从原子能委员会获得原始信号的速度rpm,如图9出于演示的目的。原始信号不能直接用于WPT方法由于响应从单个叶片需要提取。WPT方法可以适用于每个叶片响应。该方法的主要优点之一是,一个非接触传感器安装在定子足以预测叶片的损伤位置和程度。提取单个叶片响应的步骤如下:(我)最初,测量获得了年代,如图9。(2)确定参考叶片,审判是由磁盘删除刀片的刃的组装。然后有11个山峰获得的信号,在这种情况下,很明显的信号对应参考叶片和叶片受损(附加质量)删除叶片的信号。(3)参考刀片(刀片1)被定义为最高的叶片振幅峰值,顺序和随后的山峰被命令的响应其他刀片(刀片12),一个完整的革命。插图,四个完整的革命被认为是这里剩下的样本被丢弃。如果需要可以使用更多的革命。(iv)单个叶片响应可以通过选择一个固定的样本中提取时间完全包含单个叶片响应(峰值之前和之后都),但不大 ,在哪里代表一个旋转和时期叶片的数量。(v)鉴于知识刀片的数量,所有的反应可以分配给个别叶片和叶片合并多个革命,如图10叶片1。
处理后的信号,每个叶片井下电视信号可能应用于WPT方法检测旋转叶片的损坏。简短的细节WPT方法和基于小波能量的配方的失谐指数(WEBMI)中讨论部分2。
4.3。单一的附加质量位置
叶片的采样频率响应措施从标准处理井下电视信号完全取决于机器的转速由于只有一个为每个叶片通过测量。然而,本研究认为是传感器的输出直接以恒定的采样率赫兹。损伤识别研究的速度rpm,添加的质量g是位于一个位置从根叶片8毫米。井下电视的信号传感器所有叶片的损伤和损坏的情况下从原子能委员会在图所示11。每个刀片的样品时间是基于500个样本(250的峰值),和重建信号叶片8损伤和损坏情况如图12。比较破坏信号的信号,有小变化中观察到的反应叶片叶片8 8由于附加质量。然而,改变信号的解释无法提供健壮的旋转叶片损伤特性。因此,每个叶片的信号受到的WPT方法分解成不同的频率带宽信号探测到的信号有效的伤害。在这项研究中,小波函数”“三个消失的时刻被选中,这满足了消失时刻条件估计旋转叶片的损伤位置和严重程度。
(一)
(b)
(一)
(b)
为了选择最优分解级别,香农熵法,简要地讨论了在19]。基于这种方法,近似和详细的熵系数估计在每个级别。在2级,熵是0.00933,还不到详细的熵系数,这是0.03069;因此,分解级别2被选为最优水平检测的变化在旋转叶片g附加质量。对于井下电视信号的情况下,可以观察到附近的微小变化的近似分量能量,如图(13日)。然而,很难预测损失的确切位置。因此,阈值限制高置信区间WEBMI应用,以及由此产生的WEBMI-UL显示大量峰值的确切位置叶片8,如图13 (b)。
(一)
(b)
为了检查其他传感器的有效性,佩奇和光学传感器同时使用,除了原子能委员会监控叶尖位移,如图7(一)。重建的井下电视信号的损伤和损坏的叶片8佩奇和光学传感器数据所示14和15。几乎没有任何变化中发现的未损坏的叶片的井下电视信号(请参见图8(14日))的胸大肌,而叶片的损坏信号8日图14 (b)显示了时间响应细微变化由于附加质量放在叶片8。事实上,佩奇的叶片响应的振幅测量非常低而原子能委员会和光学传感器。然而,这不会影响损伤识别的过程。另一方面,未损坏的叶片的光学传感器它响应(请参见图8(15日))没有变化,但叶片8受损反应揭示了凹凸特征的根源井下电视信号如图15 (b)。这一现象发生时由于光学传感器信号直接从存在的磁铁。可以看出损坏的叶片井下电视信号的光学传感器提供了损害存在的趋势和位置。不过,一个健壮的损伤识别方法需要预测准确的损伤位置。因此,井下电视信号被应用于WPT方法需要一个三级分解检测准确的损伤(附加质量)位置旋转叶片。发现损坏的叶片的估计WEBMI不清楚对应于胸大肌和光学传感器情况下,如图(16日)和(17日)。因此,统计阈值限制应用WEBMI确定损伤的确切位置,如图16 (b)和17 (b)。
(一)
(b)
(一)
(b)
(一)
(b)
(一)
(b)
4.4。多个添加质量位置
WPT方法已经确定了一个附加质量位置旋转叶片在恒定速度和不同的传感器情况下。在实践中,损害可能发生在多个位置旋转刃的磁盘。因此,本研究扩展了WPT识别方法的情况下多个损坏的叶片。井下电视测量进行了两个添加质量(每66克)附近的根叶4和叶片8。本研究是在进行的rpm。重建的井下电视信号得到的叶片4和8中所示的三个传感器和数字(18日)- - - - - -18 (f)。有一些明显的变化中发现井下电视信号如图(18日),18日(d),18 (f)数据中观察到的,而只有细微的变化18 (b),18 (c),18 (e)。然而,它是具有挑战性的检测井下电视反应的转变造成的损失。因此,井下电视信号受到WPT分析的选择”“小波函数需要一个6级分解。挑战检测损伤(群众)在多个位置使用原子能委员会和胸大肌的结果甚至在尝试与不同组件的能量。最后一个组件能源,山峰不同的附加质量的只在单一位置,如图19和20.。然而,光学传感器可以检测出损伤(添加质量)在多个位置叶片4和8,如图21。因此,光学传感器比原子能委员会和佩奇更可靠的传感器来揭示它的微妙变化的多个位置信号。
(一)
(b)
(c)
(d)
(e)
(f)
(一)
(b)
(一)
(b)
(一)
(b)
4.5。估计的损失严重程度
损伤严重程度的第三个层次是损伤识别方法识别损伤后存在和损伤的位置。李普希茨指数””是源自于WPT分析来估计旋转叶片的损伤程度。制定的Lipschitz指数”简要解释部分2。3和2。4。本节讨论的量化损伤(附加质量)严重程度的旋转叶片根据井下电视测量。因此,它的实验进行的附加质量不同gg的增量在叶片8 g恒定的速度rpm。当我们观察到的部分4所示。4,光学传感器鲁棒预测井下电视信号的变化。因此,下面的讨论损伤严重程度是基于光学传感器的结果。
在这项研究中,小波函数”“选择有三个消失的时刻,和第一个小波包能量被认为是损伤识别方法如图1。然后,李普希茨指数”“计算的输入两个不同级别(例如,和使用关系给出了部分)的系数2。4。可以看出李普希茨指数”“减少单调随着附加质量的增加,这意味着函数的可微性减少随着损伤严重程度的增加,如图22。一个大约均匀找到一个附加质量的下降g这表明李普希茨的敏感性指数由于质量的变化g。然而,这种行为随着附加质量的增加衰减缓慢。此外,图22表明实验李普希茨指数大约是一个三次多项式的行为值为0.9985。李普希茨指数”“有能力预测函数的可微性附加质量尽可能小g。的Lipschitz指数遵守消失时刻条件这意味着选择”“小波函数是适合这个研究。为了预测不到克的附加质量,甚至高阶小波函数是可取的。因此,李普希茨指数是一种很有前途的指数量化旋转叶片的损伤严重程度的基础上,它测量。
5。结论
本研究认为WPT-based损伤识别在旋转叶片和刃的磁盘使用它测量和冲击锤测试。检查的可行性的WEBMI旋转叶片,它的实验rpm使用三个传感器,对不同水平的附加质量和位置。原始的井下电视信号的信号处理应用WPT分析之前进行。每个叶片的重建井下电视信号被应用于WPT方法估计WEBMI。可以看出WEBMI可以识别损伤(附加质量)的存在和位置旋转叶片。光学传感器鲁棒预测多个添加质量位置和小损伤严重程度情况下,相对于原子能委员会和胸大肌。李普希茨指数””是用来估计损失严重程度在静态和旋转刀片刃的磁盘。数值模拟是不旋转刃的磁盘上执行各种刚度下降,从1%到9%不等。结果发现,实验结果与数值结果有良好的协议。刚度之间的关系,减少模拟和实验确定的附加质量,并得出结论,本研究中使用的附加质量大约相当于相应的刚度减少刃的磁盘。对旋转叶片的情况下,实验李普希茨指数”“减少单调伤害严重程度(附加质量)提高,显示了良好的协议与三次多项式曲线拟合。因此,拟议中的WEBMI是一种很有前途的诊断工具来检测损伤的存在,位置和严重程度的刃的磁盘和旋转叶片。
数据可用性
没有数据被用来支持本研究。
的利益冲突
作者宣称没有利益冲突。
确认
作者欣然承认卡塔尔国家研究基金的支持通过授权号码NPRP 7-1153-2-432。