CN102187157A - 通过对动态传感器信号的小波分析而实现的燃烧异常检测 - Google Patents

Abstract

提供对燃气涡轮发动机内燃烧异常的检测。关联于发动机的燃烧器的传感器（60）测量代表燃烧情况的信号。采样动态信号被划分时段从而得到多个数据点。所述采样动态信号被变换成能够检测到所述燃烧器内的感测燃烧情况是否指示出任何感兴趣燃烧异常的形式。进行小波变换来计算数据点的小波系数并且以至少一个感兴趣区域为目标。由基线信号来规范化每个目标区域内每个小波系数的幅值。小波系数的规范化幅值被用于通过比较每个目标区域内小波系数的规范化幅值与预定阈值幅值来确定是否已经发生任意燃烧异常。

Description

通过对动态传感器信号的小波分析而实现的燃烧异常检测

相关申请的交叉引用

本申请要求2008年9月24日提交的名称为“METHOD AND APPARATUS FOR COMBUSTION ANOMALY DETECTION VIA WAVELET ANALYSIS OF DYNAMIC PRESSURE SENSOR SIGNAL”的美国临时申请序列号No. 61/099,687的权益，其全部公开内容并入本文以供参考。

技术领域

本发明涉及燃烧发动机，并且更具体地涉及利用对动态传感器信号信息的小波分析来检测燃烧发动机的燃烧器内的燃烧异常。

背景技术

例如内燃机和燃气涡轮发动机的燃烧发动机包括具有一个或更多个燃烧器组件的燃烧段。在每个燃烧器组件中，空气与燃料混合并且混合物在燃烧室内被点燃，从而产生湍流方式流动的被加热燃烧气体。这些燃烧气体被引导到发动机的一个（多个）涡轮级从而产生旋转运动。

已经公知会在燃烧发动机的燃烧段中发生例如火焰回烧（flame flashback）的燃烧异常。火焰回烧是当空气和燃料混合物的湍流燃烧速度超过燃烧器组件内的轴向流动速度时从而导致火焰挂在燃烧器组件内/周围的一个或更多个部件（例如被置于燃烧室周围的衬套）上所可能导致的局部现象。如果回烧情况保持一段扩展时间且未对其进行校正的话则挂住的火焰会烧穿部件。因此，火焰回烧和/或其他燃烧异常会导致不良损坏并且甚至可能会毁坏燃烧发动机部件，从而可能必须要维修或更换这样的部件。

发明内容

根据本发明的第一方面，提供用于检测燃气涡轮发动机内的燃烧异常的方法。获取采样动态信号，其代表与发动机的燃烧器相关联的传感器所测量的燃烧情况。采样动态信号被划分时段从而得出针对所述时段中每个时段的多个数据点。采样动态信号也被变换成能够检测到燃烧器内的感测燃烧情况是否指示出一种或更多种感兴趣的燃烧异常的形式。

变换所述采样动态信号包括通过进行小波变换来计算被处理时段内的数据点的小波系数从而处理每个时段。在小波变换段内以至少一个感兴趣区域为目标，并且每个目标区域内的小波系数的幅值被基线信号规范化。例如，基线信号可以包括被处理时段的对应时域信号或以其他方式由该对应时域信号所导出。

因此，可以例如通过比较各目标区域内的小波系数的规范化幅值与预定阈值幅值或幅值范围来进行确定在各时段内是否已产生任意感兴趣的燃烧异常。

根据本发明的第二方面，提供检测燃气涡轮发动机内的燃烧异常的系统。与发动机的燃烧器相关联的传感器测量代表燃烧情况的信号。模数转换器将传感器测量的信号转换成采样动态信号。处理器将采样动态信号划分时段从而针对各时段得到多个数据点，并且将采样动态信号变换成能够检测出燃烧器内的感测燃烧情况是否指示出一种或更多种感兴趣的燃烧异常的形式。

针对各时段，处理器进行小波变换来计算被处理时段内的数据点的小波系数，以小波变换段内的至少一个感兴趣区域为目标，并且通过基线信号来规范化各目标区域内的小波系数的幅值，该基线信号例如是被处理时段的对应时域信号。可以通过比较各目标区域内的小波系数的规范化幅值与预定阈值幅值或幅值范围来进行确定在各时段内是否已产生任意燃烧异常。

附图说明

虽然由权利要求限定的内容具体指出且明确要求了本发明，不过应该认为结合附图从下述描述中将更好地理解本发明，附图中同样的附图标记指代同样的元件，并且附图中：

图1是燃烧发动机包括根据本发明方面的燃烧异常检测系统的一部分的示意图，其中示出在剖面线A-A上方的在发动机内部的选定特征；

图2是图1所示燃烧器中一个燃烧器的侧剖视图，其中示出了根据本发明各种方面的可用于燃烧异常检测系统的各种传感器构造；

图3是示出一种示例性处理器的示意图，其可以被用于根据本发明各种方面的燃烧异常检测系统；

图4是示出根据本发明各种方面来检测燃烧异常的步骤的流程图；

图5是示出根据本发明不同方面的可被用于有助于进行图4所示的燃烧异常检测的小波分析方法的流程图；

图6是示出对示例性数据点进行离散小波变换来指示出感兴趣的燃烧异常的图示；以及

图7是示出了图6的图示中所用的相同示例性数据点的小波变换的图表，其示出了根据本发明实施例检测到的燃烧异常的发生。

具体实施方式

在优选实施例的下述具体描述中，参考形成了说明书一部分的附图，并且附图是通过图释的方式而不是通过限制性方式被示出的，其中示出了可以实践本发明的具体优选实施例。应该理解可以利用其他实施例并且在不背离本发明精神和范围的情况下可以进行修改。

根据本发明的各种方面，提供用于使用小波分析来检测燃气涡轮发动机内的燃烧异常的系统和方法。例如，如这里将更具体描述的，代表了由与发动机的燃烧器相关联的传感器所测量的燃烧情况的采样动态信号被划分成小时段以便每段包括多个数据点。之后，分段式动态信号样本被变换成能够检测到燃烧器内的感测燃烧情况是否指示出一种或更多种感兴趣的燃烧异常的形式。

变换任意给定段内的采样动态信号的示例性方法包括进行小波变换来计算被处理时段内的数据点的小波系数。以小波变换段内的至少一个感兴趣区域为目标并且每个目标区域内的小波系数的幅值被基线信号规范化，该基线信号例如是针对被处理时段来自传感器的对应时域信号。

这样，可以使用每个目标区域内的小波系数的规范化幅值来确定每个时段期间是否已发生任何燃烧异常，例如通过比较每个目标区域内的小波系数的规范化幅值和预定阈值幅值、幅值范围等。

现在参考附图并且具体地参考图1，示出了示例性燃烧发动机10的一部分。示例性发动机10被实现为燃气涡轮发动机，其包括压缩机段12、由多个燃烧器16构成的燃烧段14、以及涡轮段18。压缩机段12引入进入空气并向其加压，该进入空气被引导到燃烧段14内的燃烧器16。当进入燃烧器16时，来自压缩机段12的压缩空气与燃料混合，并且混合物被点火从而产生以湍流方式流动的高温高速燃烧气体。燃烧气体流到涡轮段18，在此燃烧气体膨胀从而提供涡轮转子20的旋转。

现在参考图2，示出了燃烧段14的示例性燃烧器16。燃烧器16包括燃烧器壳体22，其经由盖板26联接到发动机10的外罩24。燃烧器16还包括经由支撑件30、辅助燃料喷射系统32和主要燃料喷射系统34联接到盖板26的衬套28。空气流动通路38被限定在燃烧器壳体22和衬套18之间，其延伸到燃烧器16内直到盖板26。

燃烧器壳体22包括固定到盖板26的前端40和与前端相对的后端42，该后端42限定了从燃烧器壳体22径向向外的区域（包括扩散室44）进入到空气流动通路38内的入口（图1）。在示例性发动机10工作期间，来自压缩机段12（图1）的压缩空气进入扩散室44内并且之后通过燃烧器壳体后端42限定的入口进入到空气流动通路38内。

辅助燃料喷射系统32包括附连到盖板26的辅助喷嘴46。辅助燃料进入管48将接收自燃料源50的燃料传输到辅助喷嘴46。类似地，主要燃料喷射系统34包括也附连到盖板26的多个主要燃料喷嘴52。多个主要燃料进入管54各自将接收自燃料源50的燃料传输到相应一个主要燃料喷嘴52。来自辅助和主要燃料喷嘴46、52的燃料与流经空气流动通路38的压缩空气相混合并且在衬套28内的燃烧室56内被点火从而产生被加热的燃烧气体。

通过示例性方式而不是限制性方式示出了示例性发动机10和示例性燃烧器16，从而在这里更具体地清楚地描述了本发明的某些特征和方面。不过这里更全面描述的本发明的各种方面可以被应用于各种燃烧发动机从而监测和/检测燃烧异常的发生。

总体参考图1-3，根据本发明的方面，燃烧异常检测系统58总体包括总体上由附图标记60标示的一个或更多个传感器以及处理器62。一个（多个）传感器60可以被用于感测代表了与燃烧器16相关的燃烧情况的热声振荡。处理器62被构造成将感测到的热声振荡信息变换成能够辨别出感兴趣的燃烧异常的产生的形式。这样，火焰回烧事件和其他类型的感兴趣燃烧异常可以被检测到并且从燃烧器16中的感测热声振荡中被提取出来，其中所述感测热声振荡是被燃烧器16内和/或周围的传感器所监测的。

具体参考图3，处理器62可以包括例如一个或更多个处理单元64、系统存储器66和任意必要的输入/输出元件68以便与相关燃烧发动机、其他计算装置、操作者/用户等交互。处理器62也可以包括模数转换器70A和/或其他必要元件以便允许处理器62与传感器60和/或其他系统元件交互来接收模拟传感器信息。替换地并且/或者附加地，燃烧异常检测系统58可以包括一个或更多个在传感器60和处理器62之间交互的模数转换器70B。作为另一个示例，某些传感器可以具有与其集成的模数转换器70C或者以其它方式能够将感测信息的数字表示直接通信到处理器62。

一个（多个）处理单元64可以包括一个或更多个处理装置，例如通用型计算机、微型计算机、微控制器等。一个（多个）处理单元64也可以包括一个或更多个处理装置，例如中央处理单元、专用数字信号处理器（DSP）、可编程和/或可再编程技术和/或专用元件，例如特殊应用集成电路（ASIC）、可编程门阵列（PGA、FPGA等）。

存储器66可以包括用于存储可被一个（多个）处理单元64执行的计算机程序代码的区域以及用于存储被用于处理的数据的区域，例如用于如这里更全面描述的计算小波变换的存储器区域。这样，本发明的各种方面可以被实现为具有代码的计算机程序产品，该代码被配置成如这里更具体描述地来进行对感兴趣燃烧发动机异常的检测。

在这方面，使用足够的代码、变量、配置文件等给一个（多个）处理单元64和/或存储器66编程以便使得处理器62能够实现各种技术。例如，处理器62可以被可操作地配置为感测热声情况、基于来自一个或更多个传感器60的输入来分析热声情况、响应其分析来控制发动机10的特征、将其分析结果报告给操作者、用户、其他计算机进程等，如这里更具体描述的。

返回参考图2，一个或更多个传感器60，例如传感器60A、60B、60C、60D、60E，可以被用于感测代表与燃烧器16相关的燃烧情况的热声振荡。在此方面，每个所用传感器60可以被置于燃烧器16内、上或以其他方式接近燃烧器16，例如根据所利用的具体传感器60的特性以及该传感器60将感测到的热声振荡转换成传感器信息的方式来放置该传感器。燃烧段14的每个燃烧器16可以包括含有选定的一个或更多个传感器60（例如传感器60A、60B、60C、60D、60E）的自身构造。在此方面，发动机10可以包括燃烧异常检测系统58的一种或更多种实例，例如针对每个燃烧器16具有燃烧异常检测系统58的一种实例，或者单个燃烧异常检测系统58可以服务于发动机10的每个燃烧器16。

因此，所有动态信号可以被通信到单个处理器62。在这种实施方式中，单个处理器62应该如这里更全面描述地能够使用小波分析来处理动态信号并且规范化信号从而提供结果，以便表现为好像结果是以通常的并行方式被计算的一样。可替换地，更多的处理器可以被使用，并且例如根据每个处理器的计算能力，每个处理器可以被用于处理一个或更多个动态信号。

可以被用于感测热声振荡的一种示例类型传感器是压力传感器60A。压力传感器60A可以被用于感测燃烧器16内的热声振荡的幅值。如所示，压力传感器60A当使用时被安装在盖板26上。不过，根据具体应用，例如根据要监测的发动机类型、感兴趣的燃烧异常类型等，压力传感器60A可以被安装在替代位置。例如，压力传感器60A不需要接触热的燃烧气体。而是，将压力传感器60A安装成远离与燃烧室56相关的高温而只在与燃烧气体相同的密闭区域内就足以。压力传感器60A也可以关联于直接接触被加热燃烧气体的无限阻尼管（未示出）。该无限阻尼管将声音脉动从无限阻尼管的第一端引导到压力传感器60A，其中该第一端关联于燃烧室56。

可以被用于感测热声振荡的第二示例类型传感器是高温传声器60B，其可以被用于测量燃烧器16内的声音波动。高温传声器60B可以被置于燃烧器16附近的任意位置，例如不直接暴露于被加热燃烧气体的位置。

可以被用于感测热声振荡的第三示例类型传感器是加速表60C，其可以被用于测量对于燃烧器16内的动态压力的燃烧器响应，该动态压力即由被加热燃烧气体的燃烧活动导致的动态结构振动。加速表60C可以被置于燃烧器16内可以测量到燃烧器响应的任意位置，例如在燃烧器壳体22的径向外表面上。

可以被用于感测热声振荡的第四示例类型传感器是光学传感器60D，其可以被用于测量燃烧器16内的动态光学信号。光学传感器60D可以被置于燃烧器16附近、可以由光学传感器60D观测到被加热燃烧气体的任意位置，例如邻近于辅助喷嘴46。

可以被用于感测热声振荡的第五示例类型传感器是离子传感器60E，其可以被用于测量燃烧器16内的动态离子活动。离子传感器60E可以被置于燃烧器16内被暴露于被加热燃烧气体的任意位置，例如在衬套28的径向内表面上。

参考图4，流程图示出了用于确定发动机10的燃烧器16内和/或周围的燃烧异常的发生的方法100。在102处获取采样动态信号。采样动态信号可以代表与发动机10的燃烧器16相关的传感器60所测量的燃烧情况。

例如，处理器62可以从至少一个热声传感器60接收传感器输出信号，其中所接收的信号对应于对燃烧器16内的热声振荡的测量。在此方面，传感器60可以包括例如动态压力传感器、加速表、高温传声器、光学传感器、离子传感器，例如传感器60A、60B、60C、60D、60E中的一个或更多个，如这里更具体描述的。如参考图2和图3所述，由各传感器60产生的传感器输出信号可以被采样从而获得采样动态信号，即在处理器62处将传感器信号从模拟格式转变成数字格式，例如使用内装式模数转换器70A。可替换地，模数转换器70B可以被置于传感器60和处理器62之间。这样的设置可以是有利的，例如在如果传感器输出以模拟格式被通信到处理器62时则噪音、干扰、负载和/或其他情况会不利地影响传感器输出的完整性的情况下。作为另一可替换示例，传感器60能够将感测信号以数字采样格式通信到处理器62，例如使用集成到或以其他方式关联到传感器60的模数转换器70C。

将动态信号从模拟信号转换成数字信号通常包括将相应传感器60A、60B、60C、60D、60E所感测的连续动态信号（通常是电压）采样成代表周期性间隔处的模拟信号的离散数字数值（数字信号）。

在示范性示例中，例如对于给定燃烧器，大多数感兴趣的燃烧异常可能发生在sub-500（低于500）赫兹（Hz）范围内。因此，对于这个示例，1000赫兹（Hz）的采样率能够足以检测到相应示例性燃烧器的大部分感兴趣的燃烧异常。与以实质上更高速率采样不同，以1000Hz采样增加了处理器62可以进行这里更详细描述的分析的速度，因为不必要地增高采样率会需要处理器62分析更多数据。此外，适当选择采样率可以减少高频事件对识别感兴趣燃烧异常的影响，例如通过减少噪声和其他不感兴趣的信息。根据具体应用，可以利用其他采样频率。

在104处，采样动态信号被划分时段从而针对每个时段得到多个数据点。例如，采样动态信号可以被划分时段以便每个时段均小于检测感兴趣燃烧异常的发生所需要的预定义时间段。与上述示范性示例一致，以1000Hz采样，采样数字信号可以被划分成0.5秒的间隔，每0.5秒间隔包括500个数据点。0.5秒间隔可以包括浮动的0.5秒窗口，即0.0-0.5、0.1-0.6、0.2-0.7……n-n+.5，或者0.5秒间隔可以包括相邻的0.5秒时间间隔，即0.0-0.5、0.5-1.0、1.0-1.5、……n-n+.5。采样数字信号可以根据需要被可替换地划分成其他时段。

作为另一示例，可能必要的是检测足够时间内的感兴趣燃烧异常从而如果检测到感兴趣情况则采取某种形式的动作、采取适当措施等。这样，采样动态信号可以被划分成时段，所述时段足够小从而既检测到感兴趣燃烧异常的产生又响应所检测到的感兴趣燃烧异常的产生而做出适当校正动作。与上述示例一致，假定需要1秒的响应时间。在这个示例中，时段应该小于例如大约1秒的预定义时间段。此外，每个时段的大小可以被选择成使得响应检测到的燃烧异常所需的实际响应时间被充分考虑到预定义时间段内。这样，根据所需响应时间，时段可以小于预定时间段，例如0.5秒或更少。

在106处，采样动态信号被变换成能够检测到燃烧器内的感测燃烧情况是否指示出一种或更多种感兴趣的燃烧异常的形式。基于被变换的采样动态信号，在108处做出例如在每个时段内是否已发生任何燃烧异常的确定。

参考图5，示出了用于处理采样动态信号从而例如进行图4中106处的变换的方法120。为了将采样动态信号变换成能够检测到燃烧器内的感测燃烧情况是否指示出一种或更多种感兴趣的燃烧异常的形式，可以通过小波变换来处理各时段。例如，在122处，针对各时段，可以进行小波变换从而计算被处理时段内的数据点的小波系数。

作为示范性示例，可以通过使用一系列数字实现的滤波器组将采样动态信号分解成小波分量，从而基于小波子带编码来针对各时段对采样数字信号的数据点计算离散小波变换。

滤波器组的一种示例性实施方式包括构建许多带通滤波器从而将波谱分割成频带。这可以是有利的，例如在需要自由选择各带的带宽的情况下。作为可替换方式，信号可以被分割成两部分，即包括高通滤波部分和低通滤波部分。高通部分包括感兴趣细节。低通部分可以仍包含有用信息，因此其被迭代地分割为高通滤波部分和低通滤波部分。

例如，可以通过一套分析滤波器组来计算离散小波变换。该滤波器组可以由成套的并联低通（Lo）和高通（Hi）滤波器构成。在通过并联滤波器（其可以是无限脉冲响应（IIR）滤波器）之后，数据被降采样从而例如保留相同数量的数据点。根据采样频率和得到的数据点数量，可以在多个循环上重复这种过程。

根据本发明的各方面，可以构思出“水平”的概念来指代通过Hi和Lo滤波器的相应重复。根据采样频率、数据点数量等，可以选择不同水平来检测感兴趣的燃烧异常。

例如，对于水平1过程而言，给定时间窗口内的采样动态数据通过第一Hi滤波器被过滤并且被过滤的输出被降采样从而得到cD1分量。数据也并行地通过第一Lo滤波器被过滤，并且被过滤的输出被降采样。对于水平2过程而言，通过第一Lo滤波器被过滤的数据之后再次通过第二Hi滤波器被过滤，并且被过滤的输出被降采样从而得到cD2分量。该数据也并行地通过Lo滤波器被过滤并且被过滤的输出被降采样。

在水平3过程中，通过第二Lo滤波器被过滤的数据之后再次通过第三Hi滤波器被过滤并且被过滤的输出被降采样从而得到cD3分量。该数据也并行地通过第三Lo滤波器被过滤并且被过滤的输出被降采样。在水平4过程中，通过第三Lo滤波器被过滤的数据之后再次通过第四Hi滤波器被过滤并且被过滤的输出被降采样从而得到cD4分量。该数据也并行地通过第四Lo滤波器被过滤并且被过滤的输出被降采样。

在水平5过程中，通过第四Lo滤波器被过滤的数据之后再次通过第五Hi滤波器被过滤并且被过滤的输出被降采样从而得到cD5分量。该数据也并行地通过第五Lo滤波器被过滤并且被过滤的输出被降采样从而得到cA5分量。所述cD1、cD2、cD3……cD5……，cA5是可以被用于检测感兴趣的燃烧异常（例如回烧检测）的被处理结果。虽然在这个示例中已经通过五个水平来分解传感器信号，不过可以利用任意数量的水平。

在124，以带有小波变换段的至少一个感兴趣区域为目标。大体而言，目标区域优选是被认为携带指示出感兴趣燃烧异常的信息的区域。在124处可以利用任意数量的因素来选择用于定位目标的一个或更多个感兴趣区域，包括对典型发电机性能/特征的认知、对感兴趣燃烧异常特征的认知、对发电机状态的认知等。下面将更详细地描述几个这样的示例。

参考图6，图形150示出了使用上述五个水平进行离散小波变换来处理示例性采样动态信号的数据的示例性实施方式，该采样动态信号由附图标记“S”标识。

在这个示例中，采样动态信号S已经由滤波器组分解成了d1、d2、……d5和a5分量。而且在图形中，a5和d5已经被定位目标用于回烧检测。为了讨论清楚的目的，a5和d5示出了采样动态信号已经被变换成指示出感兴趣燃烧异常（例如在本示例中是回烧）的形式。回烧事件在a5和d5行中由幅值增加区152标识出。这些幅值增加区152可以被自动检测到，例如通过比较a5和d5行中信号的幅值与预定阈值或阈值范围。

根据具体实施方式可以利用任意数量的水平。例如，对于通过滤波器组的每次迭代而言，下一级的样本数量可以被减半。因此，可以由诸如确定的尺度函数、样本数量、尺度滤波器或小波滤波器的长度等等因素来影响水平的数量。

在另一示例性实施方式中，以小波变换段内的至少一个感兴趣区域为目标可以包括：例如基于识别出感兴趣的小波子带来识别出至少一个感兴趣区域，其中在如这里所述确定感兴趣燃烧异常的发生时忽略在感兴趣的小波子带之外的数据点的计算小波系数。

大体而言，小波分析将底层数据变换成不同格式。在典型传感器数据的情况下，一维（例如幅值）的时变数据被变换成相同数据的多维形式。因此，例如，来自传感器60的模拟输出可以从具有一维（幅值）的分段式连续时变信号变换成具有幅值和尺度（均随时间而变）这两个维度的二维时变信号。尺度可以定义为底层数据的谱窗口的尺寸。在这方面，较大尺度对应较大窗口，并且较小尺度对应较小窗口。因此，可以通过选择适当的分析尺度来“放大”和“缩小”采样动态信号的细节。

因此，可以利用小波变换来将动态传感器信号从一维时变信号定义为多维时变信号，该多维时变信号的特征在于随时间而变的尺度和幅值。至少一个尺度可以被进一步识别为用于以对感兴趣燃烧异常的检测为目标的感兴趣区域。

可以基于个案来选择感兴趣目标区域，并且感兴趣目标区域通常被设计为消除与感兴趣燃烧异常无关的噪声，因而使得处理过程进一步简化。例如，可以基于已知数据、经验等来确定在特定范围之外的尺度值不指示出感兴趣的燃烧异常。因此，进一步处理过程中可以忽略在该特定范围内的尺度值之外的数据，从而提高处理速度并且降低确定感兴趣燃烧异常的发生所需的复杂性。

参考图7，与上述示例一致，示出了根据本发明一方面产生的示例性小波变换160。图7的图表中的示例性采样动态信号是与用于产生图6所示的表示相同的数据。小波变换由三维绘图表示，该三维绘图包括对应时域的X轴线、对应“尺度”的Y轴线以及对应采样数据点（例如幅值）的计算小波系数的Z轴线。

在图7所示的示例性小波变换160中，感兴趣的目标区域162被选择为对应近似48至64之间的尺度值的范围。在这个示例中，选择48-64的目标区域是因为在48至64范围之外的尺度值，即对应从1到47的范围值的区域以及对应64之上的范围值的区域，没有指示出感兴趣的燃烧异常。因此，在进一步处理过程中不考虑这些外部区域内的数据，从而降低了确定感兴趣燃烧异常的发生的复杂性，并且相应地提高了检测感兴趣燃烧异常的速度。在图7所示的示例性小波变换中，在目标区域162中识别出感兴趣的燃烧异常164，该目标区域162例如是在近似48-64的尺度范围中的35秒至41秒之间的区域。

大体而言，一个（多个）目标区域的尺寸可以取决于例如特定感兴趣燃烧异常等因素。通过图释的方式，回烧事件本身会在大尺度水平附近显现出来。相应地，贫焰熄火本身会在任意尺度水平显现。这样，目标区域可以包括所有尺度水平。此外，使用目标区域来检测异常可以被用于区分异常类型。历史数据、预测数据、经验和/或其他手段可以被用于确定给定应用所用的最佳尺度。

返回参考图5，在126处每个目标区域内的小波系数的幅值可以被基线信号规范化，以便进一步简化对感兴趣燃烧异常的识别。可以进行目标区域内小波系数的规范化从而例如分析出采样传感器信号的幅值的典型的基于时间的预测波动，以便小波数据中的幅值偏移可以更容易地归因于燃烧异常。

通过图释的方式，可以计算感兴趣目标区域内的小波系数的均方根（RMS）值并且计算的RMS值可以被基线信号规范化，该基线信号例如是该时段的对应时域信号（例如用于计算小波系数的采样动态信号数据点）的RMS值。在此方面，目标区域内小波系数的RMS值可以随时域信号改变，从而不预先确定基线信号。

由该时段的对应时域信号的RMS值来规范化小波系数的RMS值会去除并非由感兴趣燃烧异常导致的正常动态信号幅值的改变（即幅值变化）所导致的小波系数的幅值变化。规范化信号的幅值可以被用于指示出感兴趣燃烧异常的类型和严重性。

在另一示范性示例中，根据本发明的各方面，感兴趣目标区域内小波系数的幅值可以基于被处理时段的对应预定正常燃烧情况信号被规范化。该被处理时段的预定正常燃烧情况信号可以取决于无感兴趣燃烧异常的基线标记（baseline signature）。可以通过计算并规范化小波系数的均方根（RMS）值来规范化感兴趣目标区域内小波系数的幅值。

返回参考图4，如果图5的方法被用于实现106处的变换，则在108处用于确定是否发生任何燃烧异常的确定可以通过比较各目标区域内小波系数的规范化幅值与预定阈值幅值、幅值范围等来使用各目标区域内小波系数的规范化幅值。例如分类等的其他技术可以可替换地被用于确定是否已发生燃烧异常。而且，可以使用不同阈值、阈值范围等。

与上述示例一致，一个（多个）感兴趣目标区域中小波系数的规范化RMS值可以与预定阈值或阈值范围相比较。如果没有发生燃烧异常，则由该时段的对应时域信号的RMS值规范化的、感兴趣目标区域内小波系数的RMS值如果随时间不彼此相等的话则应该基本相似。不过，如果所述比较产生了指示出一种或更多种感兴趣燃烧异常的结果，即如果在感兴趣目标区域内小波系数的规范化RMS值的幅值内检测到了突然变化，则可能发生了感兴趣的燃烧异常。

此外，感兴趣目标区域内小波系数的规范化RMS值的幅值中检测到的变化的程度或差异性可以被用于表示一种或更多种感兴趣燃烧异常的严重性。已知数据可以被用于基于检测到的差异来确定燃烧异常的严重性。如果响应是必要的话，则可以响应被识别的感兴趣燃烧异常来采取适当手段以对情况进行补救。

作为另一示例，感兴趣目标区域内小波系数的规范化幅值可以与无感兴趣燃烧异常的燃烧器的基线标记进行比较，从而识别出指示出燃烧异常的瞬时事件。通过根据这个示例将计算的RMS小波系数规范到基线标记，可以补偿正常幅值瞬变，以便不正常行为变得更加明显。

对于诸如回烧的燃烧异常而言，可以基于历史回烧事件来确定阈值。类似地，对于诸如火焰熄灭的燃烧异常而言，可以基于记录了发生熄灭时规范化小波幅值的历史数据来确定阈值。在此方面，各感兴趣异常的阈值可以取决于历史的或预测的数据，例如针对具体发动机10、针对类似类型发动机等。此外，各感兴趣异常可以具有与其相关的唯一阈值。

此外，响应给定感兴趣燃烧异常的不同阈值或阈值范围，各感兴趣异常可以具有与其相关联的不同动作事件。作为示范性示例，对于回烧而言，如果阈值低于第一阈值范围，则处理器62可以不触发任何动作。如果借助于第二阈值范围内检测到的规范化RMS幅值，检测到了小火焰回烧事件，则处理器62可以触发动作，例如触发控制系统来开始卸载程序从而校正问题。作为另一示例，如果借助于第三阈值范围内检测到的规范化RMS幅值，检测到了严重火焰回烧事件，则处理器62可以触发动作，例如触发控制系统来开始发动机关闭程序来校正问题。

例如，如果采样数据的变换指示出与回烧事件相关的温度增加，则可以识别出感兴趣的燃烧异常。阈值可以被设定成指示出何时发生回烧。例如，如果采样数据指示出在某预定义时间段上（例如在示例性发动机10的指定工作情况期间几秒内）的至少某预定数量摄氏度的温度增加，则可以指示出回烧事件。可以例如基于已知数据、经验等来设定某预定义时间的时间段上的预定数量摄氏度。

这里更加全面描述的步骤中的任意一个或更多个步骤可以仅在示例性发动机10的预定工作状态（即示例性发动机10的部分加载和满载工作状态）期间被执行，而不是在示例性发动机10的其他工作状态（例如点火序列）期间被执行。

作为另一示例，返回参考使用串联滤波器组来计算离散小波的示例，a5可以以类似于这里更全面描述的方式被规范化，即通过计算对应时域压力传感器信号的分段式段（对此示例是0.5秒）的RMS值。因此，可以通过规范化幅值来指示出感兴趣燃烧异常的严重性。此外，可以设定适当阈值来指示出何时发生回烧。

燃烧异常检测系统58可以被用于在燃烧异常发生之后检测燃烧异常，例如火焰回烧事件，以便可以采取适当程序（如果存在的话）来校正问题。燃烧异常检测系统58优于常规检测系统，常规检测系统例如是在最易受火焰回烧状况影响的区域内使用多个热电偶传感器的常规检测系统。这是因为火焰回烧事件是局部现象，并且热电偶传感器很少感测到火焰回烧情况下的相同温度增加，并且甚至会无法完全感测到火焰回烧事件。也就是说，通常被安装在燃烧器内不同圆周部位处的热电偶传感器可能读取变化的温度增加或者甚至可能无法检测到由回烧事件所导致的任意温度增加。因此，热电偶传感器对于回烧事件而言是不可靠的检测器。

燃烧异常检测系统58使用感测燃烧器16内/周围的热声振荡的一个或更多个传感器60A、60B、60C、60D、60E。由于热声振荡不是局部现象，所以传感器60A、60B、60C、60D、60E更准确地检测感兴趣的燃烧异常。

虽然已经图示且描述了本发明的具体实施例，不过本领域技术人员可以显而易见到可以在不背离本发明精神和范围的情况下做出各种其他变化和改进。因此所附权利要求中试图涵盖落入本发明范围内的所有这样的变化和改进。

Claims (20)

1.一种检测燃气涡轮发动机内的燃烧异常的方法，包括：

    获取采样动态信号，该采样动态信号代表由与所述发动机的燃烧器相关联的传感器所测量的燃烧情况；

    将所述采样动态信号划分时段从而针对所述时段中的每个时段得到多个数据点；

    将所述采样动态信号变换成能够检测到所述燃烧器内的感测燃烧情况是否指示出一种或更多种感兴趣燃烧异常的形式，其包括通过如下步骤处理每个时段：

        进行小波变换来计算被处理时段内的数据点的小波系数；

        以小波变换段内的至少一个感兴趣区域为目标；和

        由基线信号来规范化每个目标区域内小波系数的幅值；以及

    通过比较每个目标区域内小波系数的规范化幅值与预定阈值幅值从而使用每个目标区域内小波系数的规范化幅值来确定所述时段中的每个时段期间是否已经发生任意燃烧异常。

2.根据权利要求1所述的方法，其中获取代表由与所述发动机的燃烧器相关联的传感器所测量的燃烧情况的采样动态信号包括：

    从至少一个热声传感器接收传感器输出信号，其中所接收信号对应于对所述燃烧器内的热声振荡的测量；以及

    采样所接收传感器输出信号从而得到所述采样动态信号。

3.根据权利要求2所述的方法，从至少一个热声传感器接收信号包括：

    从动态压力传感器、加速表、高温传声器、光学传感器和离子传感器中的至少一者接收所述传感器输出信号。

4.根据权利要求1所述的方法，其中将所述采样动态信号划分时段从而针对所述时段中的每个时段得到多个数据点包括：

    将所述采样动态信号划分时段，每个时段小于检测感兴趣燃烧异常的发生所需的预定义时间段。

5.根据权利要求4所述的方法，其中将所述采样动态信号划分时段，每个时段小于检测感兴趣燃烧异常的发生所需的预定义时间段包括：

    将所述采样动态信号划分时段，所述时段足够小从而响应对所述感兴趣燃烧异常的发生的检测。

6.根据权利要求1所述的方法，其中进行小波变换来计算被处理时段内的数据点的小波系数包括：

    通过使用一系列数字实现的串联滤波器组来将所述采样动态信号分解成小波分量从而基于小波子带编码计算离散小波变换。

7.根据权利要求6所述的方法，其中以小波变换段内的至少一个感兴趣区域为目标包括：

    基于识别感兴趣的小波子带来识别至少一个感兴趣区域。

8.根据权利要求1所述的方法，其中以小波变换段内的至少一个感兴趣区域为目标包括：

    利用所述小波变换将所述动态传感器信号从一维时变信号定义成多维时变信号，该多维时变信号的特征在于随时间而变的尺度和幅值；以及

    识别至少一个尺度作为用于以对感兴趣燃烧异常的检测为目标的感兴趣区域。

9.根据权利要求1所述的方法，其中由基线信号来规范化每个目标区域内小波系数的幅值包括：

    计算所述感兴趣目标区域内小波系数的均方根值；

    通过该时段的对应时域传感器信号的均方根值来规范化小波系数的计算均方根值。

10.根据权利要求1所述的方法，还包括：

    利用所述发动机的工作情况来确定发生何种类型的燃烧异常。

11.一种检测燃气涡轮发动机内的燃烧异常的系统，包括：

    与发动机的燃烧器相关联的传感器，其测量代表燃烧情况的信号；

    模数转换器，其将所述传感器测量的所述信号转换成采样动态信号；以及

    处理器，其：

        将所述采样动态信号划分时段从而针对所述时段中的每个时段得到多个数据点；和

        将所述采样动态信号变换成能够检测到所述燃烧器内的感测燃烧情况是否指示出一种或更多种感兴趣燃烧异常的形式，其中对于每个时段，所述处理器：

            进行小波变换来计算被处理时段内的数据点的小波系数；

            以小波变换段内的至少一个感兴趣区域为目标；以及

            由基线信号来规范化每个目标区域内小波系数的幅值；

    其中每个目标区域内小波系数的规范化幅值被用于通过比较每个目标区域内小波系数的规范化幅值与预定阈值幅值来确定所述时段中的每个时段期间是否已经发生任意燃烧异常。

12.根据权利要求11所述的系统，其中所述传感器包括测量所述燃烧器内的热声振荡的至少一个热声传感器，并且其中测量的热声振荡被所述模数转换器转换成所述采样动态信号。

13.根据权利要求12所述的系统，其中所述传感器包括动态压力传感器、加速表、高温传声器、光学传感器和离子传感器中的至少一者。

14.根据权利要求11所述的系统，其中所述时段小于检测感兴趣燃烧异常的发生所需的预定义时间段。

15.根据权利要求14所述的系统，其中所述时段足够小从而响应对所述感兴趣燃烧异常的发生的检测。

16.根据权利要求11所述的系统，其中所述小波变换包括离散小波变换，该离散小波变换基于数字实现的串联滤波器组的小波子带编码，其中所述滤波器组将所述采样动态信号分解成小波分量。

17.根据权利要求16所述的系统，其中所述小波变换段内的被定为目标的至少一个感兴趣区域基于被识别出的感兴趣小波子带。

18.根据权利要求11所述的系统，为了以小波变换段内的至少一个感兴趣区域为目标，所述处理器：

    利用所述小波变换将所述动态传感器信号从一维时变信号定义成多维时变信号，该多维时变信号的特征在于随时间而变的尺度和幅值；以及

    识别出至少一个尺度作为以对感兴趣燃烧异常的检测为目标的感兴趣区域。

19.根据权利要求11所述的系统，其中，为了由基线信号来规范化每个目标区域内小波系数的幅值，所述处理器：

    计算所述感兴趣目标区域内小波系数的均方根值；和

    通过该时段的对应时域传感器信号的均方根值来规范化小波系数的计算均方根值。

20.根据权利要求11所述的系统，其中所述发动机的工作情况被用于确定发生何种类型的燃烧异常。

Images