CN102183575B - 复合传感器 - Google Patents
复合传感器 Download PDFInfo
- Publication number
- CN102183575B CN102183575B CN 201110041889 CN201110041889A CN102183575B CN 102183575 B CN102183575 B CN 102183575B CN 201110041889 CN201110041889 CN 201110041889 CN 201110041889 A CN201110041889 A CN 201110041889A CN 102183575 B CN102183575 B CN 102183575B
- Authority
- CN
- China
- Prior art keywords
- electrode
- electrodes
- radial
- sensor
- capacitance
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
Abstract
本发明提供一种复合传感器,该传感器径向截面结构为外层、内层、中间层,外层包括有起屏蔽作用的金属屏蔽罩、起结构固定兼隔离检测电极作用的径向电极,在金属屏蔽罩的内周上等间隔连接有多个径向电极的一端;内层为金属管道,多个径向电极的另一端连接在金属管道上;中间层包括有多个检测电极,每个检测电极设在二个径向电极之间,并固定在金属管道上。同时提供一种基于复合传感器的航空发动机气路故障检测诊断方法。本发明的效果是提供一种航空发动机气路参数检测的新方法,为航空发动机的维护提供及时和较为全面的信息,促进航空安全性的提升;为开发新型航空发动机气路状态监测仪器提供理论与工程设计基础。为特殊环境下的多相流检测设备提供检测方法和高温,大尺寸系统的检测中采用。
Description
技术领域
本发明涉及一种检测器件及其应用,特别是一种复合传感器及基于该传感器的航空发动机气路故障检测诊断方法。
背景技术
航空发动机作为飞机的核心部件,其可靠性在飞行过程中起着举足轻重的作用,飞机发动机的健康状况直接关系到飞行安全。航空发动机复杂的结构以及高温、高速的工作条件、经常需要变换的工作状态、承受很大的交变载荷等原因导致其关键部件很容易产生各种损伤。而严重的发动机损伤往往会导致发动机工作失效和故障,并严重威胁人身安全和飞行安全。同时,航空发动机的维修成本通常很高,目前的定期维修会导致大量的维修人力、物力以及剩余使用寿命的浪费。
航空发动机结构复杂、工作环境恶劣,是飞机的主要故障来源。由于其高温、高压、高速等特殊性,飞机发动机的诊断监测面临着各种问题,对其准确快速检测一直是航空公司面临的重大技术难题。目前,对航空发动机故障诊断的研究主要集中在两个方面:
一是利用气路参数对发动机气路性能和传感器进行诊断,航空发动机气路性能监控主要通过监视发动机气路参数(如转速、发动机压力比EPR,燃油流量WF和排气温度EGT等)来监视气路状态是否正常,以及发动机能否在规定的安全限制内产生需要的推力或功率。
二是利用振动、滑油及孔探信号对发动机机械性能进行诊断,振动监测主要用于监测转子系统的机械状态,利用振动信号的频谱分析和响应特性评价发动机的状态。滑油监测主要采用光谱分析、铁谱分析和磁性堵塞监 测等分析手段,对发动机润滑系统的润滑油进行监测,从而判断发动机相关部件的磨损状态。孔探检测是在发动机不解体的前提下检测发动机上的关键部件外观表面的腐蚀和裂纹等损伤。航空发动机尾气中的颗粒物是发动机气路部件发生故障的直接产物,颗粒物特性能够实时地反映发动机的工作状态,通常测试气体中颗粒物特性的方法主要是基于光学原理,如干涉度量法、光谱法、粒子尺寸分析法等,这些方法由于发动机气路恶劣的工作环境而无法实现在线监测。基于气路粒子静电信息监测的诊断技术是一项新技术,它是根据发动机尾气中静电荷的变化来判断故障类型,只要有碎屑产生,在早期阶段就可对故障进行监控。目前,只有英国Smith-Aerospace工业公司从事该方面的研究,最早始于20世纪90年代初,如今已开发了一套基于该技术的发动机状态监控系统(Engine Health Monitoring,EHM),并试用于联合攻击机,取得了初步成效。而国内在该领域的研究刚刚开始,南京航空航天大学的左洪福教授带领的科研团队开始研究适合我国国情的发动机气路静电监测系统(Engine Gas-path Electrostatic Monitoring System,简称EGEMS),为发动机气路部件的碰摩、磨损、侵蚀和烧伤类故障的实时监控和诊断提供一种全新的理论方法和技术手段。
EGEMS在故障出现的早期阶段即可识别碎片是由何种故障引起的,一旦有碎片产生,系统便可探测到,而其它监控技术,如振动监控和性能监控,主要依赖于故障早期的症状。以叶片摩擦引起的故障为例,振动监控要在材料大量磨损导致失衡的前提下做出预警;而性能监控则要求叶片顶端严重磨损导致标准性能参数发生变化时才能做出反应。发动机在正常状态下工作时,尾气中的总体静电荷会保持在一个正常水平,只是随着发动机工作条件的不同会有所不同。因此可以将这个正常水平作为发动机性能衰退的一个阀值。当气路部件发生表面故障时,就会在尾气中产生额外的 碎屑,导致总体静电荷水平超过阀值,从而根据该变化所表现出的不同特征判断出故障类型,并做出预警。通过气路碎屑监视可以实现对发动机气路部件,如压气机和涡轮叶片、燃烧室、喷管等的表面故障,如外物打伤、摩擦、磨损、侵蚀和烧伤等的实时监视和诊断。气路碎屑监视的最大好处是对故障的实时识别:只要有碎屑产生,便可被探测到,从而识别何种部件发生故障。气路碎屑监视在保证早期预警和故障跟踪的同时,还可以跟踪后期的故障发展情况,这就为维修计划的安排带来很大的自由度,这是其它监视技术难以实现的。
但是,此种方法的缺点是探测点所反映的仅仅是局部信息,不能完整反映全部气路信息。由于喷管空间某一点静电荷水平会随着位置的不同而不同,并受到气压、温度和气流速度等诸多因素影响,而传感器的数量和表面积都是有限的,并考虑到传感器位置的确定性,不可能将所有的静电荷都探测到,因此测量误差是不可避免的。
综上所述,作为发动机状态监视和故障诊断重点内容的气路性能监视和部件故障诊断的检测方法尚需进行进一步的研究。
发明内容
针对现有技术中结构上的不足,本发明的目的是设计一种复合传感器及基于该传感器的航空发动机气路故障检测诊断方法,以利于通过对航空发动机气路管流二维/三维时空分布信息的分析处理,实现航空发动机气路流体在线辨识与多参数估计,进而获得航空发动机气路高温高速流体分布、状态、混相流速测量的方法,为航空发动机状态监测提供新的检测手段,为发动机的维护提供及时和较为全面的信息,促进航空器安全性的提升,并减少维护成本,节约人力物力。
为实现上述目的,本发明采用的技术方案是提供一种复合传感器,其特征是:该传感器径向截面结构为三层,外层、内层、中间层,所述外层 为屏蔽电极层,该层包括有起屏蔽作用的金属屏蔽罩、起结构固定兼隔离检测电极作用的径向电极,在金属屏蔽罩的内周上等间隔连接有多个径向电极的一端;所述内层为金属管道,多个径向电极的另一端连接在金属管道上;所述中间层为检测电极层,该层包括有多个检测电极,每个检测电极设在二个径向电极之间,并固定在金属管道上,每个检测电极包括有探针式静电敏感电极、耐高温绝缘物质层、电容敏感电极、耐高温绝缘物质层,在电容敏感电极的中心部位有通过耐高温绝缘物质层隔离的探针式静电敏感电极,在电容敏感电极与金属管道之间设有耐高温绝缘物质层;
所述检测电极为电容电极和静电电极的复合体,多个检测电极纵向截面结构设置为相距有间隔的三排电极阵列,其第一、第三两排电极阵列为具有相关测量数据采集作用的保护电极阵列,第二排电极阵列为实现管截面介电常数测量及静电测量的检测电极阵列,将三排电极阵列提供的测量数据进行加权平均后的数据融合值作为测量值,以提高系统可靠性和测量精度。
同时提供一种及基于复合传感器的航空发动机气路故障检测诊断方法。
本发明的效果是提供一种基于电容敏感机理及基于气路颗粒静电特性的复合传感器;提供基于复合传感器的航空发动机气路参数检测的新方法。为发动机的维护提供及时和较为全面的信息,促进航空安全性的提升;为开发新型航空发动机气路状态监测仪器提供理论与工程设计基础。本发明也为特殊环境下多相流检测设备奠定理论基础,提出的检测方法和相关理论,也可在某些特殊情况,如硫化床、火箭发射等高温,大尺寸系统的检测中采用。
本发明的优点是:将基于电容敏感机理的过程成像技术应用于航空发 动机尾喷管处的排放尾气的检测,通过介电常数的检测获取反映气路变化的空间信息,再融合基于气路粒子静电统计特性检测获得的信息,即可得到反映气路状况由点到面的信,提供一种兼顾局部和全局信息的新型检测方法。同时该复合传感器可实现电容检测和静电检测两种模式下进行同步同位置测量,使测量截面的电容信息和静电信息相互融合。
附图说明
图1为本发明的传感器结构截面图;
图2为本发明的传感器A向局部结构放大图;
图3为本发明的传感器结构侧面投影图。
图中:
1、金属屏蔽罩 2、静电探针 3、检测电极
4、耐高温绝缘介质层 5、电容敏感电极 6、耐高温绝缘介质层
7、径向电极 8、金属管道
9、具有相关测量数据采集作用的保护电极阵列
10、实现电容测量及静电测量的复合传感器阵列
θ、电容敏感电极张角
具体实施方式
结合附图及实施例对本发明的复合传感器及基于该传感器的航空发动机气路故障诊断方法加以说明。
本发明的复合传感器结构为该复合传感器的径向截面结构为三层,外层、内层、中间层,所述外层为屏蔽电极层,该层包括有起屏蔽作用的金属屏蔽罩1、起结构固定兼隔离检测电极作用的径向电极7,在金属屏蔽罩1的内周上等间隔连接有多个径向电极7的一端;所述内层为金属管道8,多个径向电极7的另一端连接在金属管道8上;所述中间层为检测电极层,该层包括有多个检测电极,每个检测电极设在二个径向电极7之间,并固 定在金属管道8上,每个检测电极包括有探针式静电敏感电极2、耐高温绝缘物质层4、电容敏感电极5、耐高温绝缘物质层6,在电容敏感电极5的中心部位有通过耐高温绝缘物质层4隔离的探针式静电敏感电极2,在电容敏感电极5与金属管道8之间设有耐高温绝缘物质层6。
所述检测电极为电容电极和静电电极的复合体,多个检测电极纵向截面结构设置为相距有间隔的三排电极阵列,所述三排电极阵列的第一、第三两排电极阵列为具有相关测量数据采集作用的保护电极阵列9,第二排电极阵列为实现管截面介电常数测量及静电测量的检测电极阵列10,将三排电极阵列提供的测量数据进行加权平均后的数据融合值作为测量值,以提高系统可靠性和测量精度。
所述多个检测电极为十二~十六个;所述在金属屏蔽罩1的内周上等间隔设置的多个径向电极7的电极张角θ不小于20.5度。
如图1、图2、图3所示,该复合传感器其径向截面结构为三层,最外层为屏蔽电极,由起屏蔽作用的金属罩1以及起结构固定兼隔离作用的径向电极7组成,金属屏蔽罩1用以抑制外界电磁场的干扰,径向电极7与金属屏蔽罩1相连且指向圆心,用于隔离检测电极,为获得均匀的敏感场分布,金属屏蔽罩到圆心的距离与金属管道内半径的比值应为1.5;第二层为检测电极,由探针式静电敏感电极2、耐高温绝缘物质层4、电容敏感电极5、耐高温绝缘物质层6组成,探针静电电极2位于电容敏感电极5的中心点部位兼顾起固定作用,将检测电极3固定在金属管道8上,耐高温绝缘物质层4隔离探针电极2与电容电极5,电容敏感电极5附着在绝缘物质层6上与金属管道8隔离,电容敏感电极张角θ不小于20.5度。所述电极均匀分布在同一圆周上,在相邻电极间的狭缝中,填充有耐高温绝缘物质。该传感器纵向截面结构设置为相距有间隔的三排电极阵列,其左右两排具有相关测量数据采集作用的保护电极阵列9为具有相关测量数据采集作用 的保护电极阵列,靠中间一排实现电容测量及静电测量的复合传感器阵列10为实现管截面介电常数测量及静电测量的复合电极阵列。将三排电极阵列提供的测量数据进行加权平均后的数据融合值作为测量值,以提高系统可靠性和测量精度。
以16个检测电极为例,本发明的具体步骤为:
①进行零点标定
对于电容检测系统数据处理子系统,零点标定也称为空管标定,具体做法:首先,将被测管道充满空气,介电常数为1,即εl=1,由所述系统中独立并行的电容检测数据采集及处理子系统所包含的电容测量电路测量每一个电容值并转换成直流测量信号,经电容检测系统数据采集及处理子系统中多路开关选择后进入差分运放,电容检测系统数据采集及处理子系统中计算机控制数据采集卡的D/A转换器先输出满量程的一半,采集差分运放的输出并判断其正负来决定下一步所述D/A转换器的输出,输出信号若为正,则在上一次输出的基础上再加上它的一半,输出信号若为负,则变为上一次的一半,如此反复进行,采用A/D转换器的逐次逼近过程,直到D/A到达最后一位,然后将采集的空管电压信号送至PC机,并以此空管电压值作为基准;
对于静电敏感检测系统,则需要在被测管道充满空气,介电常数为1(εl=1)的情况下,分别测量每个电极电荷量,并以此作为基准;
②进行满量程标定
满量程标定只需对电容检测系统数据处理子系统进行,满量程标定也称为满管标定,在被测管道内充满高介电常数εh=3的介质情况下,为每个电容变化量测量值设置相应的增益1~16,使在满管条件下电容测量值尽量接近电容检测系统数据采集及处理子系统中每一路电容测量电路的A/D 转换器的满量程值,以减小转换误差,这个过程就称为满量程标定;
③进行测量
对于电容检测系统数据处理子系统,具体做法:选择电极V1作为激励电极,电极V2、V3、…、V16作为测量电极,并同时测量电极V1和V2,V1和V3,…,V1和V16之间的电容。由于测量电路的输入端处于虚地状态,其测量互不影响;下一次测量选中电极V2作为激励电极,电极V3、V4、…、V16作为测量电极,以此类推,直至电极V15作为激励电极,电极V16成为测量电极;根据互易原理,得到120个独立的测量电容值;对于静电敏感检测系统,则分别测量每个电极电荷量;
④进行数据处理
对于电容检测系统数据处理子系统,当电容敏感电极i为激励电极,电容敏感电极j为测量电极时,电容敏感电极对i-j之间的电容值可由下式计算Cij:
式中,φi-φj为激励电极i与测量电极j的电位差,A为包围电容敏感电极j的封闭曲面,Q为电容敏感电极j上的感应电荷量;
采用有限元法求解管道截面上的电位分布φ(x,y),电荷量的计算由后处理程序通过数值积分的方法来完成;
对于静电敏感检测系统数据处理子,采用数值解法对电场求解,静电敏感电极可视为等势体,静电敏感电极表面的电场强度沿着导体法线方向,由高斯定理可以求得静电敏感电极表面的感应电荷面密度为:
因此,沿着静电敏感电极表面S积分就可求出静电敏感电极上的感应电量:
其中,φ(x,y,z)为场域内电势,q为静电敏感电极表面的感应电荷量,σ(x,y,z)为静电敏感电极表面的感应电荷面密度,ε为敏感区域电介质分布;
⑤分别对第一、二、三排电极阵列进行上述①~④步骤,则可得到第一、二、三排电极阵列的三组测量值,以此三组测量值为依据,进行数据融合,进而进行航空发动机气路故障诊断;
A.由于三排电极阵列相距间距小于2cm,而被测物体航空发动机尾气属于高速流体,设定所述三排电极阵列的测量数据为同一截面的数据,因此,在处理电容敏感电极阵列或静电敏感电极阵列的测量数据时,采用加权平均法进行数据预处理,即对三排电极阵列的测量值按照电容测量值和电荷测量值分别进行加权平均,加权算术平均数的计算公式如下:
y=∑(xi×wi)÷∑(wi)
上式中xi为各排电极阵列的测量值;wi为各排电极阵列的对应权值;y为加权算术平均数,即对三排电极阵列预处理得到的测量值;
B.依据最小距离聚类理论,对于经过预处理后的电容检测系统数据处理子系统的测量值和静电敏感检测系统数据处理子系统的测量值进行数据融合;
本系统复合传感器包含有电容敏感电极阵列和静电敏感电极阵列共相 当于32个传感器,分别对电容值和电荷量2个参数进行测量,假设第i个传感器的测量数据用列向量Xi=(xi1,...,xik)T表示,不同传感器测量数据之间的偏差大小通过测量数据本身来确定,设任意两个传感器p、l的测量数据为Xp、Xl,定义dpl为Xp、Xl之间的欧氏距离:
设任意两个传感器p、l的测量数据为Xp、Xl,则dpl为Xp、Xl之间的欧氏距离;
dPl的值越小,则表明Xp,Xl越接近,否则偏差就很大,由此得到所有传感器的距离矩阵D:
显然,D为距离矩阵对称矩阵,主对角元素均为0;
融合算法如下:
a.将每一个电容敏感电极和静电敏感电极都视为一个传感器并作为一类,假设第i个传感器的测量数据Xi作为一类,选择距离矩阵D中除去主对角元素0之外的最小元素,设该最小元素为dij,即距离矩阵D中第i行第j列的元素dij为最小元素,则将测量数据Xi、测量数据Xj合并为一个新的类Xf={Xi,Xj},对距离矩阵D划去第j列、第j行和第i行得到新矩阵D1,然后按照下列公式:
dfk=min{dik,djk},k≠i,j
计算原来的类中除去Xi,Xj后剩余的类和新类Xf之间的距离dfk,并将dfk作为最后一行数据补充到矩阵D1中,于是,就得到了一个(k-1)阶的距离矩阵D(1);
b.由D(1)出发重复a步骤的做法得到D(2),...,直至进行(k-1)次,使测量数据聚为一个大类为止;
c.记下每一步选择的最小元素以及合并个体的编号,对新类Xf按照下列公式进行融合,融合公式为:
其中,f(xil,xjl)表示传感器电容敏感电极5和静电敏感电极2的测量数据的第l个分量融合后的值,c为大于1的实数;
d.经过a~c步骤的数据融合后得到最终的融合数据X。
⑥利用第⑤步骤融合后的数据X与与故障数据库中针对不同型号的发动机已设定的数据比照,以此结果为依据进行航空发动机故障诊断,当X≤1时,确认发动机运行正常。
随着飞机发动机性能的不断提升和复杂程度的增加,飞机发动机的诊断监测面临着各种问题。由于其高温、高压、高速等特殊性,对其的准确快速检测是航空公司一直面临的重大技术难题。
本发明旨在提供基于电容敏感原理探测机理和基于气路粒子静电信息监测的多传感器在航空发动机气路特殊多相流中测量敏感物理特性,在高温、高速、大尺寸背景下对多传感器进行“几何特性”及“空间阵列”优化设计基础上,着重挖掘多传感器的相关信息,探究多相流模拟装置中的动态响应特性和两相流流动特性对成像的影响,充分运用数据融合、现代 信息处理技术和多相流相关技术,深入分析特殊背景下成像获取的互补信息,充分利用先验知识,研究具有‘软场’特性的图像重建算法,构建并行处理系统框架,进一步提高实时成像速度与空间分辨率,实现工业过程的两相流流型识别、流体物质估计及流动参数测量,为特殊背景下的多相流测量提供新的检测方法,为开发新型航空发动机气路状态监测仪器提供理论与工程设计基础。
Claims (3)
1.一种复合传感器,其特征是:该传感器径向截面结构为三层,外层、内层、中间层,所述外层为屏蔽电极层,外层包括有起屏蔽作用的金属屏蔽罩(1)、起结构固定兼隔离检测电极作用的径向电极(7),在金属屏蔽罩(1)的内周上等间隔连接有多个径向电极(7)的一端;所述内层为金属管道(8),多个径向电极(7)的另一端连接在金属管道(8)上;所述中间层为检测电极层,中间层包括有多个检测电极,每个检测电极设在二个径向电极(7)之间,并固定在金属管道(8)上,每个检测电极包括有探针式静电敏感电极(2)、第一耐高温绝缘物质层(4)、电容敏感电极(5)、第二耐高温绝缘物质层(6),在电容敏感电极(5)的中心部位有通过第一耐高温绝缘物质层(4)隔离的探针式静电敏感电极(2),在电容敏感电极(5)与金属管道(8)之间设有第二耐高温绝缘物质层(6);
所述检测电极为电容电极和静电电极的复合体,多个检测电极纵向截面结构设置为相距有间隔的三排电极阵列,所述三排电极阵列的第一、第三两排电极阵列为具有相关测量数据采集作用的保护电极阵列(9),第二排电极阵列为实现管截面介电常数测量及静电测量的检测电极阵列(10),将三排电极阵列提供的测量数据进行加权平均后的数据融合值作为测量值,以提高系统可靠性和测量精度。
2.根据权利要求1所述的复合传感器,其特征是:所述多个检测电极为十二~十六个。
3.根据权利要求1所述的复合传感器,其特征是:所述在金属屏蔽罩(1)的内周上等间隔设置的多个径向电极(7)的电极张角θ不小于20.5度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110041889 CN102183575B (zh) | 2011-02-21 | 2011-02-21 | 复合传感器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110041889 CN102183575B (zh) | 2011-02-21 | 2011-02-21 | 复合传感器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102183575A CN102183575A (zh) | 2011-09-14 |
CN102183575B true CN102183575B (zh) | 2013-01-02 |
Family
ID=44569789
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110041889 Expired - Fee Related CN102183575B (zh) | 2011-02-21 | 2011-02-21 | 复合传感器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102183575B (zh) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102749368A (zh) * | 2012-07-16 | 2012-10-24 | 天津理工大学 | 一种溶解氧测量系统 |
CN102855349B (zh) * | 2012-08-06 | 2015-07-01 | 南京航空航天大学 | 航空发动机气路故障诊断的快速原型设计方法及平台 |
EP2965072B1 (en) * | 2013-03-07 | 2020-06-17 | Rocsole Ltd | Method and apparatus for investigating permittivity in a target domain |
CN103207081B (zh) * | 2013-03-20 | 2015-07-08 | 南京航空航天大学 | 应用于气路静电监测的发动机碰摩故障模拟实验台 |
CN103674788A (zh) * | 2013-12-18 | 2014-03-26 | 南京金翅鸟航空科技有限公司 | 航空发动机气路在线静电监测系统及其专用传感器 |
CN106092493B (zh) * | 2015-04-29 | 2018-11-16 | 上海交通大学 | 一种压气机叶尖流场分布实时测量装置及方法 |
CN105973775B (zh) * | 2016-04-29 | 2018-11-09 | 江苏大学 | 一种双层电极阵列的螺旋输送管内粉体浓度检测装置 |
FR3052747B1 (fr) * | 2016-06-17 | 2018-05-25 | Airbus Operations (S.A.S.) | Procede de surveillance des moteurs d'un aeronef |
KR101975836B1 (ko) * | 2017-08-11 | 2019-08-28 | 리노공업주식회사 | 검사장치 |
CN108152339B (zh) * | 2017-12-05 | 2020-05-22 | 浙江大学 | 一种应用于低温环境的中心轴式电容层析成像装置 |
CN108363850B (zh) * | 2018-01-31 | 2021-09-28 | 中国航发动力股份有限公司 | 一种发动机受感部振动环境分析与试验载荷确定方法 |
CN108982602A (zh) * | 2018-06-21 | 2018-12-11 | 中国民航大学 | 航空发动机进气道电容式静电感应监测系统 |
CN111581763B (zh) * | 2019-02-15 | 2023-10-17 | 中国航发商用航空发动机有限责任公司 | 航空发动机气路故障诊断结果评价方法 |
CN111077193B (zh) * | 2019-12-31 | 2021-10-22 | 北京航空航天大学 | 一种电容传感器及对其电容信号进行处理的成像定位方法 |
CN114252497B (zh) * | 2020-09-25 | 2024-04-19 | 金风科技股份有限公司 | 风力发电机组以及变桨轴承的检测装置和检测方法 |
CN112326744B (zh) * | 2020-10-14 | 2024-04-16 | 中国科学院电工研究所 | 一种三维电容层析成像信号检测系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7119553B2 (en) * | 2003-06-11 | 2006-10-10 | Konsulteurope Limited Limited Joint Stock Company | Security scanners with capacitance and magnetic sensor arrays |
CN101093207A (zh) * | 2007-06-21 | 2007-12-26 | 天津大学 | 两相流分相含率阻抗传感器及其结构参数的优化方法 |
CN101839881A (zh) * | 2010-04-14 | 2010-09-22 | 南京工业大学 | 气固两相流在线标定电容层析成像系统及在线标定方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09145740A (ja) * | 1995-09-22 | 1997-06-06 | Denso Corp | 加速度センサ |
-
2011
- 2011-02-21 CN CN 201110041889 patent/CN102183575B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7119553B2 (en) * | 2003-06-11 | 2006-10-10 | Konsulteurope Limited Limited Joint Stock Company | Security scanners with capacitance and magnetic sensor arrays |
CN101093207A (zh) * | 2007-06-21 | 2007-12-26 | 天津大学 | 两相流分相含率阻抗传感器及其结构参数的优化方法 |
CN101839881A (zh) * | 2010-04-14 | 2010-09-22 | 南京工业大学 | 气固两相流在线标定电容层析成像系统及在线标定方法 |
Non-Patent Citations (3)
Title |
---|
JP特开平9-145740A 1997.06.06 |
孙强.电容层析成像油水两相流测量系统开发平台设计.《中国优秀硕士学位论文全文数据库》.2010,全文. * |
孙强等.基于RBF神经网络和粒子群算法的ECT传感器结构优化.《检测与仪表》.2009,第36卷(第4期),第44-48页. * |
Also Published As
Publication number | Publication date |
---|---|
CN102183575A (zh) | 2011-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102183575B (zh) | 复合传感器 | |
Chen et al. | A comprehensive review on blade tip timing-based health monitoring: status and future | |
Martinez-Luengo et al. | Structural health monitoring of offshore wind turbines: A review through the Statistical Pattern Recognition Paradigm | |
Cui et al. | Fault severity classification and size estimation for ball bearings based on vibration mechanism | |
Powrie et al. | Gas path debris monitoring for F-35 joint strike fighter propulsion system PHM | |
Wen et al. | A review of electrostatic monitoring technology: The state of the art and future research directions | |
TWI683058B (zh) | 故障機率評估系統 | |
Wen et al. | Characteristics analysis and experiment verification of electrostatic sensor for aero-engine exhaust gas monitoring | |
Addabbo et al. | Theoretical characterization of a gas path debris detection monitoring system based on electrostatic sensors and charge amplifiers | |
Addabbo et al. | Measurement system based on electrostatic sensors to detect moving charged debris with planar-isotropic accuracy | |
Altabey | Delamination evaluation on basalt FRP composite pipe by electrical potential change | |
Sun et al. | Experimental study on engine gas-path component fault monitoring using exhaust gas electrostatic signal | |
Hartmann et al. | Coupling sensor-based structural health monitoring with finite element model updating for probabilistic lifetime estimation of wind energy converter structures | |
Ellis et al. | A hybrid framework for remaining useful life estimation of turbomachine rotor blades | |
Tchuisseu et al. | Optimizing probes positioning in Blade Tip Timing systems | |
Miao et al. | Damage alarming for bridge expansion joints using novelty detection technique based on long-term monitoring data | |
Oh et al. | Urban safety network for long-term structural health monitoring of buildings using convolutional neural network | |
Rokicki et al. | Frequency and modeshape evaluation of steam turbine blades using the metal magnetic memory method and vibration wave propagation | |
Allport et al. | Turbocharger blade vibration: Measurement and validation through laser tip-timing | |
Liu et al. | Research on online monitoring technology for transmission tower bolt looseness | |
Guo et al. | Foreign object monitoring method in aero-engines based on electrostatic sensor | |
Xu et al. | Damage detection in high-speed rotated blades by blade tip-timing method based on compressed sensing | |
Dowell et al. | Turbomachinery prognostics and health management via eddy current sensing: current developments | |
Grądzki et al. | Rotor blades diagnosis method based on differences in phase shifts | |
Hunter et al. | Development and Testing of Propulsion Health Management |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130102 Termination date: 20190221 |