CN112733600A - 一种无转速参考信号的叶片故障诊断方法 - Google Patents

Abstract

本发明公开了一种无转速参考信号的叶片故障诊断方法，建立叶片振动信号模型，第i和i+1个叶片之间所夹间隔的变化量为第i个叶尖间距变化量，叶尖间距变化信号和叶片振动信号之间的关系：y_i＝x_i+1‑x_i，叶尖间距变化信号的计算不需要转速参考信号，所述叶尖间距变化信号和叶片振动信号之间存在线性关系，基于多重信号分类算法对叶尖间隙变化信号和叶片振动信号的频率成分分析，进行叶尖间距变化信号频率的类内对比，故障叶片相邻的两个叶尖间距变化信号存在两个频率分量，基于两个频率分量对故障叶片进行定位。

Description

一种无转速参考信号的叶片故障诊断方法

技术领域

本发明属于叶片非接触测试领域，特别是一种无转速参考信号的叶片故障诊断方法。

背景技术

叶端定时技术是近年来叶片故障诊断领域研究的热点领域，其具有非接触式、长寿命周期、在线监测等优点。但由于航空发动机的性能和成本要求，叶端定时的传感器安装成本高昂。传统的叶端定时测试需要转速传感器和叶端定时传感器两种不同用途的传感器。叶端定时传感器通常安装在机匣上以监测叶片到达信号，转速传感器需要安装在转轴附近以对转轴的键相信号进行监测。但在实际发动机中，出于对引线问题、发动机性能、传感器工作温度的考虑，在转轴附近安装转速传感器并不现实。研究无转速传感器的叶端定时技术对降低叶端定时传感器成本，提高在线监测可行性具有重要意义。

在背景技术部分中公开的上述信息仅仅用于增强对本发明背景的理解，因此可能包含不构成在本国中本领域普通技术人员公知的现有技术的信息。

发明内容

针对现有技术中存在的问题，本发明提出一种无转速参考信号的叶片故障诊断方法，本发明通过分析叶片振动信号和叶尖间距变化信号的关系，指出叶尖间距变化信号的采集不需要转速参考信号的参与，基于此提出了一种无转速参考信号的叶端定时方法，以达到的叶片故障诊断的目的。

本发明的目的是通过以下技术方案予以实现，一种无转速参考信号的叶片故障诊断方法包括以下步骤：

第一步骤中，建立叶片振动信号模型，其中，叶片振动信号包括k个频率成分：

其中，x_i(t)为第i个叶片的振动位移，t为时间自变量，a_ik，f_ik，

分别是第i个叶片信号的第k个频率分量的幅值、频率、相位，e为自然常数，K为频率分量的数量；

第二步骤中，第i和i+1个叶片之间所夹间隔的变化量为第i个叶尖间距变化量，叶尖间距变化信号和叶片振动信号之间的关系：y_i＝x_i+1-x_i，其中，x_i为第i个叶片的振动位移，叶尖间距变化信号通过y_i＝(α_i-α′_i)R计算，R为叶片半径，α_i为理论叶尖间距，α′_i为实际测得的叶尖间距，α_i＝2πf_r(TOA_i+1-TOA_i)，其中，f_r为转子转频，TOA_i为第i个叶片的到达时间，叶尖间距变化信号的计算不需要转速参考信号，

第三步骤中，所述叶尖间距变化信号和叶片振动信号之间存在线性关系，基于多重信号分类算法对叶尖间隙变化信号和叶片振动信号的频率成分分析以得到叶尖间隙变化信号的频率成分和叶片振动信号的频率成分，

第四步骤中，分析叶尖间距变化信号频率，故障叶片相邻的两个叶尖间距变化信号存在两个频率分量，基于两个频率分量对故障叶片进行定位。

所述的方法中，第四步骤中，进行叶尖间距变化信号和叶片振动信号频率的类内对比，基于故障叶片识别结果是否相同以验证叶尖间距变化信号的有效性。

所述的方法中，第一步骤中，叶片振动信号模型多频率分量的复指数信号。

所述的方法中，第二步骤中，计算叶尖间距变化所需的转子转频由一个叶片在连续两转经过同一个传感器的时间差的倒数表示。

所述的方法中，第三步骤中，叶尖间距变化信号和叶片振动信号分开独立计算。

所述的方法中，第四步骤中，基于频率差值判断叶尖间距变化信号的是否存在两个频率分量。

叶片到达时间对应一个时间点，故需要转速参考信号作为参考，标定理论到达时间和实际到达时间，从而获得叶片位移。本发明方法经由叶尖间距通过时间对应一个时间段，理论通过时间和实际通过时间的计算不需要参考信号参与，用叶尖间距变化信号替代叶端定时技术中的叶片振动信号，能够克服对转速传感器的依赖，降低传感器成本，提高叶端定时技术的可行性，并能够实现故障叶片的定位。

上述说明仅是本发明技术方案的概述，为了能够使得本发明的技术手段更加清楚明白，达到本领域技术人员可依照说明书的内容予以实施的程度，并且为了能够让本发明的上述和其它目的、特征和优点能够更明显易懂，下面以本发明的具体实施方式进行举例说明。

附图说明

通过阅读下文优选的具体实施方式中的详细描述，本发明各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。说明书附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。显而易见地，下面描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。而且在整个附图中，用相同的附图标记表示相同的部件。

在附图中：

图1是根据本发明一个实施例的无转速参考信号的叶片故障诊断方法的步骤示意图；

图2是根据本发明一个实施例的无转速参考信号的叶片故障诊断方法的叶端定时安装示意图；

图3是根据本发明一个实施例的无转速参考信号的叶片故障诊断方法的叶端定时矩形脉冲示意图；

图4是根据本发明一个实施例的无转速参考信号的叶片故障诊断方法的叶盘坐标图；

图5是根据本发明一个实施例的无转速参考信号的叶片故障诊断方法的实验台图；

图6是根据本发明一个实施例的无转速参考信号的叶片故障诊断方法的试验叶盘图；

图7是根据本发明一个实施例的无转速参考信号的叶片故障诊断方法的三号损伤叶片图；

图8是根据本发明一个实施例的无转速参考信号的叶片故障诊断方法的八号损伤叶片图；

图9是根据本发明一个实施例的无转速参考信号的叶片故障诊断方法的时域信号图。

以下结合附图和实施例对本发明作进一步的解释。

具体实施方式

下面将参照附图1至图9更详细地描述本发明的具体实施例。虽然附图中显示了本发明的具体实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。

需要说明的是，在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可以理解，技术人员可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名词的差异来作为区分组件的方式，而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”或“包括”为一开放式用语，故应解释成“包含但不限定于”。说明书后续描述为实施本发明的较佳实施方式，然所述描述乃以说明书的一般原则为目的，并非用以限定本发明的范围。本发明的保护范围当视所附权利要求所界定者为准。

为便于对本发明实施例的理解，下面将结合附图以具体实施例为例做进一步的解释说明，且各个附图并不构成对本发明实施例的限定。

无转速参考信号的叶片故障诊断方法包括，

第一步骤S1中，建立叶片振动信号模型，其中，叶片振动信号包括k个频率成分：

其中，x_i(t)为第i个叶片的振动位移，t为时间自变量，a_ik，f_ik，

分别是第i个叶片信号的第k个频率分量的幅值、频率、相位，e为自然常数，K为频率分量的数量；

第二步骤S2中，第i和i+1个叶片之间所夹间隔的变化量为第i个叶尖间距变化量，叶尖间距变化信号和叶片振动信号之间的关系：y_i＝x_i+1-x_i，其中，x_i为第i个叶片的振动位移，叶尖间距变化信号通过y_i＝(α_i-α′_i)R计算，R为叶片半径，α_i为理论叶尖间距，α′_i为实际测得的叶尖间距，α_i＝2πf_r(TOA_i+1-TOA_i)，其中，f_r为转子转频，TOA_i为第i个叶片的到达时间，叶尖间距变化信号的计算不需要转速参考信号，

第三步骤S3中，所述叶尖间距变化信号和叶片振动信号之间存在线性关系，基于多重信号分类算法对叶尖间隙变化信号和叶片振动信号的频率成分分析以得到叶尖间隙变化信号的频率成分和叶片振动信号的频率成分，

第四步骤S4中，分析叶尖间距变化信号频率，故障叶片相邻的两个叶尖间距变化信号存在两个频率分量，基于两个频率分量对故障叶片进行定位。

可选地，类内对比指叶片间距变化信号的频率互相进行对比，局限在叶尖间距变化信号这一类内进行对比。

所述的方法的优选实施方式中，第一步骤S1中，由于叶片的振动通常是多个正弦振动的叠加，故建模为多频率分量的复指数信号，不考虑噪声因素。

所述的方法的优选实施方式中，第二步骤S2中，在没有转速参考信号的情况下，计算叶尖间距变化所需的转子转频可以由一个叶片在连续两转经过同一个传感器的时间差的倒数表示。

所述的方法的优选实施方式中，第三步骤S3中，叶尖间距变化量和叶片振动信号分开独立计算。

所述的方法的优选实施方式中，第四步骤S4中，基于频率差值判断叶尖间距变化信号的是否存在两个频率分量。

为了进一步理解，图1为一种无转速参考信号的叶片故障诊断方法的工作流程图，如图1所示，一种无转速参考信号的叶片故障诊断方法包括以下步骤：

第一步骤S1中，不考虑噪声影响，建立叶片振动信号模型，假设叶片振动信号包含K个频率成分：

其中，x_i(t)为第i个叶片的振动位移，a_ik，f_ik，

分别是第i个叶片信号的第k个频率分量的幅值、频率和相位，e为自然常数，

第二步骤S2中，假设第i和i+1个叶片之间所夹间隔的变化量为第i个叶尖间距变化量，可以得到叶尖间距变化信号和叶片振动信号之间的关系：y_i＝x_i+1-x_i，

叶尖间距变化信号可以通过y_i＝(α_i-α′_i)R计算R为叶片半径，α_i为理论叶尖间距，α′_i为实际测得的叶尖间距，α_i＝2πf_r(TOA_i+1-TOA_i)，其中，f_r为转子转频，TOA_i为第i个叶片的到达时间，可以看出叶尖间距变化信号的计算不需要转速参考信号的参与，

第三步骤S3中，由于叶尖间距变化信号和叶片振动信号之间存在线性关系，故多重信号分类算法可以用作对叶尖间隙变化信号和叶片振动信号的频率成分分析，

第四步骤S4中，进行叶尖间距变化信号频率的类内对比，由于故障叶片会导致频率下降，则故障叶片相邻的两个叶尖间距变化信号会存在两个频率分量，基于此对故障叶片进行定位，进行叶尖间距变化信号和叶片振动信号频率的类内对比，观察两者故障叶片识别结果是否相同，对叶尖间距变化信号的有效性进行验证。

为了进一步说明本发明的方法，图2是根据本发明一种无转速参考信号的叶片故障诊断方法的叶端定时安装示意图，如图2所示，转速传感器需要安装在转轴附近以获得键相信号作为参考信号，叶端定时传感器用来获得叶片到达脉冲。图3是根据本发明一种无转速参考信号的叶片故障诊断方法的叶端定时矩形脉冲示意图，图3和图2中的传感器布置为对应关系，利用键相信号到达时间计算出由于叶片振动导致的叶片到达时间偏移，再进一步结合转子直径和键相信号周期计算得到叶片振动位移。图4是根据本发明一种无转速参考信号的叶片故障诊断方法的叶盘坐标图，用于解释叶尖间距变化信号和叶片振动信号之间y_i＝x_i+1-x_i的关系。图5是根据本发明一种无转速参考信号的叶片故障诊断方法的实验台图，使用了三个叶端定时传感器并采用气体模拟叶片受到的激励。图6是根据本发明一种无转速参考信号的叶片故障诊断方法的试验叶盘图，叶片厚度为1mm，宽度20mm，高度48mm，直径136mm。图7是根据本发明一种无转速参考信号的叶片故障诊断方法的三号损伤叶片图。图8是根据本发明一种无转速参考信号的叶片故障诊断方法的八号损伤叶片图。图9是根据本发明一种无转速参考信号的叶片故障诊断方法的时域信号图。

在本发明的一种无转速参考信号的叶片故障诊断方法的优选实施例中，第一步骤S1中：为便于推导，不考虑噪声影响，建立叶片振动信号模型，假设叶片振动信号包含K个频率成分：

其中，x_i(t)为第i个叶片的振动位移，a_ik，f_ik，

分别是第i个叶片信号的第k个频率分量的幅值、频率和相位，e为自然常数，

在本发明的一种无转速参考信号的叶片故障诊断方法的优选实施例中，第二步骤S2中：叶尖间距变化信号的计算需要转速的参与，该转速可由一个叶片在连续两转经过同一个传感器的时间差的倒数表示，在本实施例中由于存在转速传感器故将其作为转速计算的依据。

在本发明的一种无转速参考信号的叶片故障诊断方法的优选实施例中，第三步骤S3中：叶端定时传感器一和二的夹角为18，叶端定时传感器二和三的夹角为36°，多重信号分类识别的频率结果如下表：

在本发明的一种无转速参考信号的叶片故障诊断方法的优选实施例中，第四步骤S4中：结合多重信号分类的识别结果，通过叶尖间距变化频率结果的类内比较可以看出，叶尖间距变化二和三包含叶片三的频率，叶尖间距变化七和八包含叶片三的频率，由于损伤叶片频率下降，所以此四个叶尖间距变化信号都出现了两个频率分量，叶片振动信号的频率识别结果也表明叶片三和叶片八存在损伤，由此可以确定损伤叶片序号并证明了叶尖间距变化用于故障诊断的可行性。

在一个实施例中，如图7是根据本发明一种无转速参考信号的叶片故障诊断方法的三号损伤叶片图，图8是根据本发明一种无转速参考信号的叶片故障诊断方法的八号损伤叶片图，结合前述多重信号分类结果分析可以看出，叶片三和叶片八的裂纹能够被叶尖间距变化信号的频率成分反映出来。图9是根据本发明一种无转速参考信号的叶片故障诊断方法的时域信号图，可以看出叶尖间距变化一的时域信号相当于叶片一和叶片二的振动信号的累加，符合所推理的叶尖间距变化和叶片振动信号之间的关系，和预设对应。验证了本发明所提方法的合理性。

尽管以上结合附图对本发明的实施方案进行了描述，但本发明并不局限于上述的具体实施方案和应用领域，上述的具体实施方案仅仅是示意性的、指导性的，而不是限制性的。本领域的普通技术人员在本说明书的启示下和在不脱离本发明权利要求所保护的范围的情况下，还可以做出很多种的形式，这些均属于本发明保护之列。

Claims (6)

1.一种无转速参考信号的叶片故障诊断方法，所述方法包括以下步骤：

第一步骤(S1)中，建立叶片振动信号模型，其中，叶片振动信号包括K个频率成分：

其中，x_i(t)为第i个叶片的振动位移，t为时间自变量，a_ik，f_ik，

分别是第i个叶片信号的第k个频率分量的振动幅值、振动频率、振动相位，e为自然常数，K为频率分量的数量；

第二步骤(S2)中，第i和i+1个叶片之间所夹间隔的变化量为第i个叶尖间距变化量，叶尖间距变化信号和叶片振动信号之间的关系：y_i＝x_i+1-x_i，其中，x_i为第i个叶片的振动位移，叶尖间距变化信号通过y_i＝(α_i-α′_i)R计算，R为叶片半径，α_i为理论叶尖间距，α′_i为实际测得的叶尖间距，α_i＝2πf_r(TOA_i+1-TOA_i)，其中，f_r为转子转频，TOA_i为第i个叶片的到达时间，叶尖间距变化信号的计算不需要转速参考信号，

第三步骤(S3)中，所述叶尖间距变化信号和叶片振动信号之间存在线性关系，基于多重信号分类算法对叶尖间隙变化信号和叶片振动信号的频率成分分析以得到叶尖间隙变化信号的频率成分和叶片振动信号的频率成分，

第四步骤(S4)中，分析叶尖间距变化信号频率，故障叶片相邻的两个叶尖间距变化信号存在两个频率分量，基于两个频率分量对故障叶片进行定位。

2.根据权利要求1所述的方法，其中，优选的，第四步骤(S4)中，进行叶尖间距变化信号和叶片振动信号频率的类内对比，基于故障叶片识别结果是否相同以验证叶尖间距变化信号的有效性。

3.根据权利要求1所述的方法，其中，第一步骤(S1)中，叶片振动信号模型多频率分量的复指数信号。

4.根据权利要求1所述的方法，其中，第二步骤(S2)中，计算叶尖间距变化的转子转频由一个叶片在连续两转经过同一个传感器的时间差的倒数表示。

5.根据权利要求1所述的方法，其中，第三步骤(S3)中，叶尖间距变化信号和叶片振动信号分开独立计算。

6.根据权利要求1所述的方法，其中，第四步骤(S4)中，基于频率差值判断叶尖间距变化信号的是否存在两个频率分量。

Images