文摘
在这项工作中,一个创新的诊断方法的转子叶片。叶尖位移的测量信号分为两个观测区域,两座山峰的一个附加的模板信号。互相关和功率谱密度函数的测量和计算模板信号在这两个截然不同的区域。接下来,两个互相关函数之间的相移是通过计算两个功率谱密度函数的比值。参数的变化分析描述的相移用于确定不同的和简单些叶片图像的技术条件测试。图形肖像显示所有叶片环的技术条件。尽管不是直接测量、环境信号(例如,外部干扰和传感器的噪声)影响诊断过程中方法。表明,利用提出的信号处理技术,这些干扰消除负面影响,机器的可靠性技术条件改善迹象。演示的方法是使用涡轮发动机叶片位移的实验结果。高有效性的方法和测量设备已被证实在广泛分析tip-timing结果在不同时期的测量过程。
1。介绍
的一个基本组件的旋转机器可靠和安全运行取决于转子叶片。实践证明,甚至打破了单个叶片的数十甚至数百刃的转子几乎总是会导致一个严重的机器故障,因此一个悲剧性的灾难。叶片的知识技术状态也很重要,以避免意外机器宕机和准确地计划改革。因此,机器的技术条件,特别是它的转子叶片,应连续监测检测尽快赔偿。
转子叶片诊断的几种方法已经开发和测试,如涡流(1],超声波[2,3],thermographic [4,5],射线[4,6),和振动的方法(7- - - - - -10]。综合文献综述各种叶片的故障检测方法提出了Abdelrhman et al。11]。
最受欢迎的方法,可以适用于旋转叶片叶片振动的频域分析。宽的振动光谱的测试机可以与振动光谱库来检测各种叶片外物损伤等故障,叶片损失部分,刀片摩擦,或松散的关节7]。不同叶片通过频率及其谐波的变化报告的初步迹象发生blade-casing摩擦在稳定的旋转8,9)或之前或滑落(10机器的。这种方法的修改基于倒频谱分析已应用于各种叶片故障Satyam et al。12]和兰德尔Sawalhi [13]。Chang和陈14]运用小波分析方法来检测裂缝的叶片。类似的方法已被Aretakis和Mathioudakis[应用15),谁表明,每种类型的叶片故障分析(污染、扭曲和走调叶片)生成一个独特的小波信号。Lim和梁16)检测的小波分析方法宽松,摩擦,或者爬叶片。可能的应用集成经验模态分解(EEMD),多小波包变换,简要地变换multifault识别的利器,转子被江等研究。17]。
叶片振动分析的另一个变体,所谓tip-timing方法(18),包括提取单个叶片的振动位移传感器测量信号获得。这个信号包含其他叶片的位移。这个单一的提取振动叶片可以分析可能发生的叶片摩擦(19),叶片裂纹或失去20.),或其他叶片故障(21,22通过分析时间差异不同转子叶片通道的革命。tip-timing方法需要特殊的测量设备(23- - - - - -26),有其悠久的历史,由Rzadkowski et al。27]。
位移、速度和加速度的叶片数量提示并不是唯一可以作为诊断信号vibration-based诊断方法。温度(28,29日),(压力,流量波动15,30.)机腔内也被用来检测各种叶片的缺点。一个受欢迎的方法包括测量不同的声发射参数(15,31日,32)检测叶片的缺点。
所有的这些信号都可以称为“操作信号”,因为他们是直接测量,并进行有关机器的操作参数的信息,例如,对其技术条件。然而,有许多测量噪声等信号或外部电磁干扰影响机器的正常运行和测量过程的,但困难甚至不可能直接测量。所有这些令人不安的信号都可以称为“环境信号,”进行的参数信息技术和机器周围的自然环境。通常,环境信号不包括在传统叶片诊断方法,但是他们的影响获得故障迹象可能是重要的。
该方法是基于一个诊断模型的叶片,包括位移信号的互相关函数之间的相移和额外的模板信号计算两个观测区域:第一个区当叶尖接近传感器和其他区当叶尖消退传感器。在这个模型中,包括环境信号表明,利用提出的信号处理技术,消除这些干扰的负面影响。这样机器的可靠性技术条件改善迹象。该方法开发了Lindstedt和Gradzki33- - - - - -36,当前进行了改进和扩展的方法通过合并形式诊断模型和地图形式的损害。此外,它引入了一个新的,紧凑的形式快速评估技术图形的伤害表示所有叶片环的条件。提供实验结果证实该方法的有效性高在广泛分析了叶尖振动在不同时期获得的测量过程。测量设备的一个重要组成部分是一个专门设计的非接触式感应传感器,它是必不可少的一个正确的应用程序的方法。
应该强调,该方法可用于评估叶片在其正常运行的技术条件。是在网上进行的分析。所有这些操作都包含外部力量影响。不拆卸发动机叶片进行静态测试的要求(目前是一种常见的实践)。方法可以用来检测不同类型的叶片故障(例如,机械磨损或损伤,疲劳裂纹,叶片轻伤或弯曲,和高温损伤),给早期损害迹象改革计划准确。
2。诊断模型
2.1。数学描述
通常只有一个叶尖位移信号(除了转速)是直接测量。这个信号进一步称为“操作的信号”。操作信号常常与其他传感器噪声或干扰中断。这些令人不安的影响因素可以包括通过引入一个额外的环境信号 。这个抽象信号 ,收集所有可能的环境干扰,存在于操作信号 ,但它是困难的,甚至可能被测量。然而,对诊断过程结果的影响可能是巨大的。通常,环境信号表示为白噪声。
一个典型的叶尖位移操作信号获得使用tip-timing过程呈现在图1。的山峰代表了把周期叶尖的操作。
使用该方法,信号在每个周期分为两个观察区。第一个区域的时间长度是来自来这称为接近区。在这个区域,位移传感器的叶梢的方法。其他区域来 ,时间长度是 ,这称为后退区。在这个区域,传感器的叶尖消退。的时间有关当叶尖只是在位移传感器。
接下来,额外的模板信号 介绍了。这个信号被认为是一系列的近似狄拉克δ的分布 ,在哪里
这些近似的山峰位于中间接近的区域中间的后退区操作信号(图1)。作为 ,任何近似的狄拉克分布可以使用(37]。唯一的要求是,必须有一些相关性和 。
互相关函数和之间的操作和模板信号然后计算在不同的区域和作为 在哪里是时候改变变量。
接下来,使用Wiener-Khinchin定理,功率谱密度函数和计算相应的互相关函数的傅里叶变换和(38]: 在哪里表示一个时间函数的傅里叶变换 。
使用相应的形式的方程(3),功率谱密度函数和计算,自相关函数和之间的模板和环境信号在两个独立的观察区域被定义为
获得的功率谱密度函数 , , ,和然后使用目前的操作之间的关系吗和环境信号 在哪里之间的相移信号和在即将到来的区,之间的相移信号和后退区,表示函数计算一些复杂函数的参数(角) 。
如果时间间隔和(即接近对方。,当立即遵循),那么功率谱密度函数和可以被认为是平等的,也就是说,
这种假设可以解释的观察,如果时间间隔之间的距离和是短的,那么环境信号在这些时间间隔可能被视为不变(或稍微改变了在一个小程度)。
请注意,根据方程(3),功率谱密度的比值和是一个传递函数表示为 。这个函数的参数是信号之间的相位偏移在消退区和信号在即将到来的区域。这个论点可以被视为一个统一的表示测试叶片的技术条件,即。叶片的诊断模型。
还要注意,包括方程(6),功率谱密度函数和从模型中被淘汰。这意味着直接测量的环境信号不需要。当然,间接地,这个信号是包含在模型,因为它是一个部分的操作信号。由于诊断过程的特殊组织,在分析是在两个独立的观察区域进行的,和两个功率谱密度函数的比值和计算和环境信号的影响消除。
2.2。模板的选择信号
模板信号可以选择任何周期时间的函数,即,the function which repeats the same pattern in time intervals和为后续叶片。如果这个模板信号重复相同的模式在随后的时间间隔,然后互相关的变化和在相移函数(因此这些互关联)之间的萎缩和临近区域只能出现由于信号的变化 。当然,这应该是操作信号的变化反映了叶片的技术条件的变化。
这是模板信号的主要要求:定期重复模式在随后的时间间隔和 。另一个是应该有一些关联和 。具体来说,模板信号可以选择作为一个系列的狄拉克δ分布(在当前纸)提出更好的重构操作信号的形状吗因此获得更健壮的价值相关性 , 和功率密度 , 功能。
介绍了模板信号的另一个原因环境信号联系在一起吗(总是出现在操作信号)。如果这个模板信号在随后的时间间隔是一样的和如果这些间隔之间的时间距离很小,那么假设相同的互相关函数和(因此对功率谱密度 , 可以采用函数)。最后,环境信号的影响可以消除(用方程来解释(7))。当然,只有源源不断的环境给权利这样的假设,即。的值的环境环境信号时间间隔之间明显不改变和 。
3所示。叶片状态监测使用新的诊断模型
进一步简化考虑,假设(图1),即。,the analyzed peak in signal是转移到坐标系统的开始。操作的信号给定的叶片测量和采样时间 。然后,规定数量 在两个相邻的信号样本观察区和收集到两套分离吗和 ,在哪里和(图1)。数量 信号样本的每组必须经过精心挑选,以确保适当的统计评估测量操作信号和 。
接下来,减少频率泄漏信号和由汉宁窗了吗 : 形成新的信号和 :
离散近似和狄拉克δ的分布是选为 表单模板信号和在即将到来的和后退区, , ,和参数变化的振幅近似。
然后,离散的互相关函数和之间的信号 , 和 , 计算,如下:
互相关函数和然后用光滑逼近函数近似获得分析表征和 。多项式逼近函数可以使用[35),导致以下形式的互相关函数: 在哪里和多项式的系数, 。
订单多项式应该谨慎选择:过低秩序也会导致不准确的近似高阶将导致过多的多项式系数和较长的计算时间。
基于互相关函数的解析表示 , ,拉普拉斯变换 , 和功率谱密度函数 , 计算根据方程(3)。接下来,功率谱密度函数 , 引入方程(8)和(7)。对于多项式近似,诊断模型获得以下形式: 在哪里 , ,和 。
然后评估叶片的技术条件计算相对变化 , 在模型参数,定义如下: 在哪里 , 的值模型参数评估和 , 这些参数的平均值计算在随后的测量在期间内吗(监测过程的开始)(当前时刻监视进程)。在这里,是时间的牛顿的定义(用于诊断考试)和柏格森的时间定义(诊断推理)。
简化的评价技术条件给定的叶片,相对变化 , 的诊断模型分为三个损伤阈值范围,提出了一个方便的图形,称为“损害地图”(33]。损坏的叶片创建地图如下所述。
三个损伤阈值范围与定义的意思 , 和标准偏差 , 的相对变化值 , ,在哪里 和
在这里,和是相对的改变模型参数评估时间一刻吗 , ,和评估的人数。为简单起见, , 进一步表示为 , , 作为 ,和 , 作为 。
接下来,三个假定损伤阈值范围和地图创建的损害。地图上有颜色表的一种形式行和列,每行包含颜色的迹象是否在给定的时间一个给定的相对变化的价值落在一个范围的三个伤害。颜色在随后的细胞在一个给定的行分配如下:(1)如果在给定的时间 ,相对变化是第一个损伤阈值范围内,即。,如果 的指示在行,列变成绿色。(2)如果相对变化在第二次损伤阈值范围: 然后的迹象行,列变成蓝色。(3)如果相对变化第三个损伤阈值范围内:
然后的迹象行,列变成红色。(4)如果相对变化超出三个损伤阈值的范围,则表明在吗行,列变成了黑色的。
从上面的程序,很明显,主要的黑色和红色字段表示严重的叶片故障,主要深蓝色字段显示过度磨损的叶片,和主要的绿地表明轻微或没有叶片的磨损。
提出了叶片的算法评估技术呈现在图2。
4所示。实验测试站
实验验证了该方法在涡轮发动机测试站在空军理工学院,华沙(图3)。测试已经进行了第一阶段叶片的轴流式压缩机3涡轮发动机安装在TS-11“Iskra”飞机39- - - - - -41]。
非接触式感应传感器设计的空军理工学院(26,42),安装在发动机底盘被用来测量叶片位移。其工作原理是基于electrodynamical交互,因此它可能称为一个被动的涡流传感器。传感器测量信号的瞬时压缩机叶片的位置建议引擎操作期间当叶片方法和传感器(tip-timing方法)的消退。
5。结果
一个例子叶片位移信号得到500 kHz的采样频率呈现在图4。三个范围的发动机转速可以看到:1在6900 rpm,在12600转2日,3日在15300 rpm。
分析已经进行了12600转的转速,即。第二范围图4。在这个范围内,364000年的峰值位移记录叶片的技巧。由于压缩机叶片环有28个叶片,每个叶片移动传感器下的13000倍。每28叶片的位移传感器称为“下一个周期。“选择的细节在3号和8叶片位移峰值周期测量12600 rpm(转速范围二)如图5。可以看到,位移信号的质量与上面描述的特殊感应传感器获得很好。
对于叶片分析,选择36 13000周期统计样本。快速形成一个样本,选择三种方式之一:(我)对数选择:选择36个周期以这样一种方式,每一个从1到9,每10从19到90年,每100从100年到900年,从1000年到9000年,每1000表单示例(2)每一个选择周期:第一个循环,循环选择步骤和周期的数量表示(3)随机选择
预计损失获得的地图为每一个选择给相同的叶片图像技术条件(这将证实方法的效率)。两个叶片的损伤提出了地图28环。叶片已经选择在这样一个方式,第一个是最好的(叶片8号),另一个是在最糟糕的(3号叶片)技术条件。
经过几个初始计算,互相关函数的逼近多项式的顺序被选为 ,导致系数测定%。较低的多项式订单导致较低的(即确定系数值。更精确的近似)。订单增长不明显提高近似的精度(如已经接近于1),但大幅增加计算时间。环境信号的振幅参数被认为是 。
互相关函数示例 , 和他们的第七阶多项式近似 , 所选的两个观测区3号叶片位移信号的峰值(如图5呈现在图6。
(一)
(b)
因此,每个叶片的技术条件是由16个系数:在即将到来的和8 8后退区。这些区域是清晰可见的左右部分损伤在数字地图7- - - - - -10。样品已经选择使用选择(数据7(一)和9(一个)每7日周期和数据7 (b)和9 (b)对于每个10日周期),对数选择(数字8(一个)和10 ()),随机选择(数字8 (b)和10 (b))。
(一)
(b)
(一)
(b)
(一)
(b)
(一)
(b)
可以看到,每个叶片的技术条件是获得清晰而明确地表示损伤地图。主要的红色和黑色在数字领域7和8特征的严重损坏刀片3号。叶片8号,得到损伤(数字地图9和10)几乎是绿色,证实其相对良好的技术条件。这些结果是独立的类型:选择的样本 ,对数或随机选择类型给相似,叶片技术条件的明确迹象。损伤阈值的基础上 , ,和统计,小偏差之间的颜色一个给定的损伤地图是可能的。因此,重要的是要分析全球地图,一个合理数量的旋转周期(地图)的行。
使用损坏地图,所有28个叶片的技术条件可以在一个紧凑的,图形形式如图11。这种形式被称为损坏的肖像叶片的环。在水平轴,所有28个叶片在一个升序排序编号。在垂直轴,一个给定的字段数颜色(绿、蓝、红、黑)在相关的损害地图是用彩色的圆圈。作为叶片3号可以看到,红色字段的数量很高(超过100),而绿地的数量很低(低于350)。这说明一个可能的严重的叶片磨损(或损失)。对叶片8号,黑色,红色,和蓝色字段很低(低于100),而绿地高(近500)。这表明这个刀片的技术条件是好的。
提交结果只反映每个叶片的状态的“更好”或“糟糕”的技术条件,而没有真正的伤害了测试站。实验测试叶片的严重损害是很困难甚至不可能进行可能很快就会导致一个危险的失败的机器。
6。总结
叶片技术状态评估的方法是基于一个诊断模型的形式之间的相移测量振动信号的互相关函数和一个附加的模板信号计算两个后续观察区:当叶片叶片消退时接近传感器和传感器。如果这些区域之间的时间距离足够短,那么环境信号影响地区的操作信号都可以认为是相同的。通过这样的假设,环境的直接测量信号不是必需的,但它的影响是间接地消除由一个特殊组织的诊断过程。这样机器的可靠性技术条件改善迹象,已证明了涡轮发动机试验台的试验结果。每个叶片的技术条件已经被投射到损害地图表示的相对变化参数的诊断模型。此外,所有叶片环的技术条件提出了紧凑,简单解释损害肖像。这样的图形化表达交际,可以用来快速解释机器的技术条件。
该方法可用于评估先进的旋转机器的技术条件,如涡轮发动机。它可以在线应用,没有需要拆卸引擎和准确给计划改革早期损伤迹象。
数据可用性
使用的数据来支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称没有利益冲突。
确认
本文得到了比亚韦斯托克大学的技术研究项目号。W / WM / 9/2013和S / WM / 1/2016。