CN101718269A - 基于频带能量的喘振先兆识别方法 - Google Patents
基于频带能量的喘振先兆识别方法 Download PDFInfo
- Publication number
- CN101718269A CN101718269A CN200910219088A CN200910219088A CN101718269A CN 101718269 A CN101718269 A CN 101718269A CN 200910219088 A CN200910219088 A CN 200910219088A CN 200910219088 A CN200910219088 A CN 200910219088A CN 101718269 A CN101718269 A CN 101718269A
- Authority
- CN
- China
- Prior art keywords
- frequency band
- surge
- refinement
- band energy
- monitoring
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Abstract
基于频带能量的喘振先兆识别方法,按以下步骤进行:利用滑动窗统计方法对压力时域信号分成连续变化的时间片段,采用连续傅立叶变换局部细化细化谱分析,对压缩机管网的历史压力信号喘振各阶段的数据进行细化;在敏感频段中,等间隔插入n-2个点,将敏感频段等分为n个网络,然后,采用连续傅立叶变化计算每一个细化频率点的幅值,计算监测敏感频带能量;根据计算得到的频带能量,绘制频带能量监测曲线,根据该监测曲线的幅值增长阶段设定报警阈值,实现压缩机实时数据的喘振先兆辨识。本发明方法通过监测频带能量的变化来反映压缩系统容腔内非稳定的能量扰动,实现喘振的早期辨识及预警。
Description
技术领域
本发明属于设备状态监测诊断技术领域,涉及压缩机运行状态实时监测技术,具体涉及一种基于频带能量的喘振先兆识别方法。
背景技术
动态的连续发展变化的压缩机的喘振过程,使得压缩机的喘振预警技术成为压缩机状态监测技术中的难题。目前采用的以信号处理技术为核心的压缩机在线监测技术,受非线性特性的限制,难以捕获和检测喘振前期的突发特征和微弱变化。实验研究和数值模拟均表明,根据诱发喘振的非稳定扰动能量的积累程度,喘振的发展过程通常可分为平稳段、过渡段即先兆段和喘振段。其中过渡段和喘振段对应于喘振的发生发展期,有效捕捉这两段信号对于确定喘振监测频带具有重要的意义,然而这两段信号所能反映出的喘振先兆特征判定是基于压力信号的振荡幅度和经验判断,缺乏客观性。
发明内容
为了解决上述现有技术中存在的问题,本发明的目的是提供一种基于频带能量的喘振先兆识别方法,能够实现喘振的早期预警,具有客观、准确的特点。
本发明所采用的技术方案是,基于频带能量的喘振先兆识别方法,通过监测频带能量的变化来反映压缩系统容腔内非稳定的能量扰动,实现喘振的早期辨识及预警,该方法按以下步骤进行:
步骤1:利用滑动窗统计方法,将压缩机管网的历史压力信号的压力时域信号分成连续变化的时间片段,对每一个时间片段采用连续傅立叶变换局部细化细化谱分析,对压缩机管网的历史压力信号喘振各阶段的数据进行细化,并将平稳段向过渡段的频率变化范围设置为喘振的敏感频段(fa,fb);
步骤2:计算频带能量:
在步骤1设置的监测敏感频段(fa,fb)中,等间隔插入n-2个点,将敏感频段(fa,fb)等分为n个网络,然后,采用连续傅立叶变化计算每一个细化频率点的幅值fi,i=a,a+1,..,b,则监测敏感频带能量E为:
式中:fb-fa表示指定监测敏感频带区间的网格宽度;
步骤3:根据步骤2计算得到的频带能量E,绘制频带能量监测曲线,根据该监测曲线的幅值增长阶段设定报警阈值,实现压缩机实时数据的喘振先兆辨识。
所述步骤1中采用连续傅立叶变换局部细化细化谱分析:
设原始数据x(tk)的采样频率为fs,采样点数为N,
tk=k/fs,
式中,tk表示离散时间点;k=0,1,2,...,N-1,
则,原始数据x(tk)的离散傅立叶级数x(n)为:
式中,n=0,1,2,3,...,N/2;i表示虚数单位;N为采样点数;
设n为区间(0~N/2)内连续变化的实数f,f=0~fs/2,则有:
若将n设置为细化谱线的网格数,设细化区间为[f1,f2],则细化后的频率分辨率Δfz为:
本发明识别方法具有如下优越性:
1.充分提取出压缩系统容腔内非稳定扰动能量的非线性变化趋势,能客观描述压缩机的运行状态。
2.根据喘振发展不同阶段的谱能量变化确定监测指标,实现了喘振的早期预警。
3.建立的喘振报警线是为了寻求计算量小的频带能量度量参数来反映喘振过程中压缩机内部流动特性的变化,确保了在线监测的实时性。
附图说明
图1是本发明识别方法的流程框图。
图2是压缩机系统出口管网历史数据压力信号波形图。
图3是压缩机系统运行不同阶段的全景谱和细化谱;其中,a是平稳段信号的全景谱图,b是平稳段信号的细化谱图,c是过渡段信号的全景谱图,d是过渡段信号的细化谱图,e是喘振段信号的全景谱图,f是喘振段信号的细化谱图。
图4是压缩机系统运行平稳阶段的压力信号波形图和频带能量曲线图;其中,a是压力信号波形图,b是频带能量曲线图。
图5是压缩机系统喘振发展阶段的压力信号波形图和频带能量曲线图;其中,a是压力信号波形图,b是频带能量曲线图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明识别方法,通过监测频带能量的变化反映压缩系统容腔内非稳定的能量扰动,实现喘振的先兆辨识及预警。首先对压缩机的历史数据进行分阶段细化谱分析,得出该压缩机的喘振特征频带,然后计算该特征频带的能量随压缩机运行时间的变化曲线,确定喘振先兆阈值,根据该先兆阈值对压缩机的实时数据进行分析,实现喘振的先兆辨识。
如图1所示,本发明识别方法,按以下步骤进行:
步骤1:采用连续傅立叶变换局部细化(FFT-FT)细化谱分析,对压缩机管网的历史压力信号喘振各阶段的数据进行细化:
设原始数据x(tk)的采样频率为fs,采样点数为N,
tk=k/fs,
式中,tk表示离散时间点;k=0,1,2,...,N-1,
则,原始数据x(tk)的离散傅立叶级数x(n)为:
式中,n=0,1,2,3,...,N/2;i表示虚数单位;N为采样点数;
设n为区间(0~N/2)内连续变化的实数f(f=0~fs/2),则有:
若将n设置为细化谱线的网格数,设细化区间为[f1,f2],则细化后的频率分辨率Δfz为:
利用滑动窗统计方法对压力时域信号分成连续变化的时间片段,对每一个时间片段根据上述细化谱方法进行计算,提高频率分辨率。观察喘振由平稳段向过渡段的频率变化范围,将这一变化范围设置为喘振的敏感频段(fa,fb);
例如,以开放式赛尔压缩机系统为对象,该系统由功率为250KW的直流电机、增速齿轮箱、轴承座、单级小流量离心压缩机、进气管道和出气管等部分组成。其中离心压缩机的转速为13570r/min,叶轮外径为290mm,叶轮进口宽度4.5mm,叶轮出口宽度3.4mm。
气体(空气)经进气管道吸入离心压缩机,在离心压缩机内依次流经叶轮、无叶扩压器、弯道和回流器,然后气流进入蜗壳,再经出气管道和流量调节阀排入大气。
如图2所示,上述赛尔压缩机系统出口管网历史数据压力信号波形图,采样频率为256Hz,随着离心压缩机逐渐进入喘振工况,出口压力有规律的发生变化,而流量信号则几乎没有变化。稳定工况时,出口压力比较稳定,压力幅值脉动很小;喘振工况时,出口压力周期性大幅度波动;稳态向喘振过渡的信号中包含喘振的发展段。图中显示相应的平稳段I、过渡段II和喘振段III。
采用连续傅立叶变换局部细化(FFT-FT)细化谱分析,对压缩机系统管网喘振各阶段的信号进行滑移窗分段细化分析,设置细化区间为(2Hz,4Hz),细化谱线网格数为2000,则细化区间的频率分辨率为0.001Hz。平稳段的全景谱图和细化谱图,如图3a和3b所示,图中显示在细化区间没有频率成分。如图3c、3d、3e和3f所示,过渡段和喘振段压力信号的全景谱图和细化谱图,从图中可看出,过渡段和喘振段压力信号的时域波形差别很大,而全景谱却很相似,低频分量的频率值均为2.685Hz,细化谱则能清楚表明它们的主频不同,前者约2.578Hz,后者约2.726Hz。根据这两个频率值可确定实验压缩机在实验转速下的喘振敏感频带为2.5~2.7Hz。
步骤2:计算频带能量:
在步骤1设置的监测敏感频段(fa,fb)中,等间隔插入n-2个点(n为谱线网格数),将敏感频段(fa,fb)等分为n个网络,然后,采用连续傅立叶变化(FT)计算每一个细化频率点的幅值fi,i=a,a+1,..,b,则监测敏感频带能量E为:
式中:fb-fa表示指定监测敏感频带区间的网格宽度;
步骤3:根据步骤2计算得到的频带能量E,绘制频带能量监测曲线,根据该监测曲线的幅值增长阶段设定报警阈值,实现压缩机实时数据的喘振先兆辨识。
在上述实验压缩机的喘振频带区中插入20个点计算频带能量E,对实验压缩机平稳工况、较快关闭节流阀稳态向喘振过渡及完全进入喘振、较慢关闭节流阀稳态向喘振过渡及完全进入喘振五种工况下的出口压力信号去均值后进行频带能量分析,平稳阶段的压力信号波形图如图4a所示,与其对应的频带能量计算结果如图4b所示,喘振过渡及发展阶段的压力信号波形图如图5a所示,与其对应的频带能量计算结果如图5b所示,根据图5b所示的频带能量曲线幅值增长,设定喘振报警阈值为0.2。对于压缩机实时数据,根据频带能量是否超过报警值来判断喘振先兆。
Claims (2)
1.基于频带能量的喘振先兆识别方法,通过监测频带能量的变化来反映压缩系统容腔内非稳定的能量扰动,实现喘振的早期辨识及预警,其特征在于,该方法按以下步骤进行:
步骤1:利用滑动窗统计方法,将压缩机管网的历史压力信号的压力时域信号分成连续变化的时间片段,对每一个时间片段采用连续傅立叶变换局部细化细化谱分析,对压缩机管网的历史压力信号喘振各阶段的数据进行细化,并将平稳段向过渡段的频率变化范围设置为喘振的敏感频段(fa,fb);
步骤2:计算频带能量:
在步骤1设置的监测敏感频段(fa,fb)中,等间隔插入n-2个点,将敏感频段(fa,fb)等分为n个网络,然后,采用连续傅立叶变化计算每一个细化频率点的幅值fi,i=a,a+1,..,b,则监测敏感频带能量E为:
式中:fb-fa表示指定监测敏感频带区间的网格宽度;
步骤3:根据步骤2计算得到的频带能量E,绘制频带能量监测曲线,根据该监测曲线的幅值增长阶段设定报警阈值,实现压缩机实时数据的喘振先兆辨识。
2.按照权利要求1所示的识别方法,其特征在于,所述步骤1中采用连续傅立叶变换局部细化细化谱分析:
设原始数据x(tk)的采样频率为fs,采样点数为N,
tk=k/fs,
式中,tk表示离散时间点;k=0,1,2,...,N-1,
则,原始数据x(tk)的离散傅立叶级数x(n)为:
式中,n=0,1,2,3,...,N/2;i表示虚数单位;N为采样点数;
设n为区间(0~N/2)内连续变化的实数f,f=0~fs/2,则有:
若将n设置为细化谱线的网格数,设细化区间为[f1,f2],则细化后的频率分辨率Δfz为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200910219088A CN101718269A (zh) | 2009-11-20 | 2009-11-20 | 基于频带能量的喘振先兆识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200910219088A CN101718269A (zh) | 2009-11-20 | 2009-11-20 | 基于频带能量的喘振先兆识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101718269A true CN101718269A (zh) | 2010-06-02 |
Family
ID=42432885
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200910219088A Pending CN101718269A (zh) | 2009-11-20 | 2009-11-20 | 基于频带能量的喘振先兆识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101718269A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106093569A (zh) * | 2016-05-30 | 2016-11-09 | 中国民用航空总局第二研究所 | 导航信号测量方法、系统与导航设备在线诊断方法、系统 |
CN107924425A (zh) * | 2015-08-14 | 2018-04-17 | 西门子股份公司 | 用于预测压气机中的喘振的方法 |
CN108362500A (zh) * | 2017-12-26 | 2018-08-03 | 中国航发四川燃气涡轮研究院 | 一种压气机快速判喘的方法 |
CN110608187A (zh) * | 2019-10-30 | 2019-12-24 | 江西理工大学 | 基于频率特征变化的轴流压气机失速喘振预测装置 |
CN110821871A (zh) * | 2018-08-13 | 2020-02-21 | 开利公司 | 用于预测离心式制冷压缩机的喘振的系统和其方法以及空调机组 |
CN111307206A (zh) * | 2020-02-20 | 2020-06-19 | 北京天泽智云科技有限公司 | 一种基于多源信息融合的压缩机喘振自动识别方法 |
CN113389748A (zh) * | 2020-03-13 | 2021-09-14 | 三菱重工业株式会社 | 喘振预兆检测装置、喘振预兆检测方法及程序 |
-
2009
- 2009-11-20 CN CN200910219088A patent/CN101718269A/zh active Pending
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107924425A (zh) * | 2015-08-14 | 2018-04-17 | 西门子股份公司 | 用于预测压气机中的喘振的方法 |
CN107924425B (zh) * | 2015-08-14 | 2021-03-09 | 西门子股份公司 | 用于预测压气机中的喘振的方法 |
US11187235B2 (en) | 2015-08-14 | 2021-11-30 | Siemens Energy Global GmbH & Co. KG | Method for the prediction of surge in a gas compressor |
CN106093569A (zh) * | 2016-05-30 | 2016-11-09 | 中国民用航空总局第二研究所 | 导航信号测量方法、系统与导航设备在线诊断方法、系统 |
CN106093569B (zh) * | 2016-05-30 | 2019-01-04 | 中国民用航空总局第二研究所 | 导航信号测量方法、系统与导航设备在线诊断方法、系统 |
CN108362500A (zh) * | 2017-12-26 | 2018-08-03 | 中国航发四川燃气涡轮研究院 | 一种压气机快速判喘的方法 |
CN110821871A (zh) * | 2018-08-13 | 2020-02-21 | 开利公司 | 用于预测离心式制冷压缩机的喘振的系统和其方法以及空调机组 |
US11835053B2 (en) | 2018-08-13 | 2023-12-05 | Carrier Corporation | System and method for predicting a surge of a centrifugal refrigeration compressor and air-conditioning unit |
CN110608187A (zh) * | 2019-10-30 | 2019-12-24 | 江西理工大学 | 基于频率特征变化的轴流压气机失速喘振预测装置 |
CN111307206A (zh) * | 2020-02-20 | 2020-06-19 | 北京天泽智云科技有限公司 | 一种基于多源信息融合的压缩机喘振自动识别方法 |
CN113389748A (zh) * | 2020-03-13 | 2021-09-14 | 三菱重工业株式会社 | 喘振预兆检测装置、喘振预兆检测方法及程序 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101718269A (zh) | 基于频带能量的喘振先兆识别方法 | |
US8396689B2 (en) | Method for analysis of the operation of a gas turbine | |
CN106769033B (zh) | 基于阶次包络时频能量谱的变转速滚动轴承故障识别方法 | |
CN110410336B (zh) | 一种泵汽蚀状态自动识别方法 | |
CN107576488A (zh) | 一种采用振动算法对设备运行状态进行监测诊断的方法 | |
CN101629572A (zh) | 失速和喘振检测系统及方法 | |
CN110608187A (zh) | 基于频率特征变化的轴流压气机失速喘振预测装置 | |
CN103216461B (zh) | 轴流式压气机的失速先兆识别方法 | |
CN102840907A (zh) | 早期故障状态下滚动轴承振动信号特征提取和分析方法 | |
CN101713395B (zh) | 基于增量式非线性流形学习的喘振监测方法 | |
CN104502099A (zh) | 齿轮箱瞬变工况特征分量循频提取方法 | |
US10088830B2 (en) | Apparatus and method for detecting the current damaged state of a machine | |
CN103970124A (zh) | 工业控制回路多周期振荡的在线检测方法 | |
CN109738056A (zh) | 一种有载分接开关机械状态信号特征提取方法 | |
CN104888396A (zh) | 一种检测消防水泵在快速启动过程中瞬态故障的方法 | |
Stajuda et al. | Aerodynamic instabilities detection via empirical mode decomposition in centrifugal compressors | |
CN114383718B (zh) | 一种基于燃机外机匣振动信号的高频叶片通过频率提取方法 | |
Huchel et al. | Diagnostics for periodically excited actuators | |
CN110953179A (zh) | 一种基于逆小波变换的风机状态监测方法及系统 | |
Feng et al. | Gas turbine blade fracturing fault diagnosis based on broadband casing vibration | |
CN110146267B (zh) | 一种全封闭制冷压缩机阀片颤振的检测方法 | |
CN116432527A (zh) | 一种空化预测方法、装置、存储介质及电子设备 | |
CN102072139B (zh) | 一种压缩机低频振动故障快速判别方法 | |
CN113250799B (zh) | 背压数据检测方法、装置及系统 | |
CN112364767B (zh) | 一种基于快速谱相关的高压循环泵机械信号特征提取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20100602 |