CN104748952A - 监控转子叶片的健康状况的方法和系统 - Google Patents
监控转子叶片的健康状况的方法和系统 Download PDFInfo
- Publication number
- CN104748952A CN104748952A CN201410815966.0A CN201410815966A CN104748952A CN 104748952 A CN104748952 A CN 104748952A CN 201410815966 A CN201410815966 A CN 201410815966A CN 104748952 A CN104748952 A CN 104748952A
- Authority
- CN
- China
- Prior art keywords
- frequency
- signal
- resonance
- blade
- window
- 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
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
- F01D—NON-POSITIVE DISPLACEMENT MACHINES OR ENGINES, e.g. STEAM TURBINES
- F01D17/00—Regulating or controlling by varying flow
- F01D17/02—Arrangement of sensing elements
- F01D17/06—Arrangement of sensing elements responsive to speed
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
- F01D—NON-POSITIVE DISPLACEMENT MACHINES OR ENGINES, e.g. STEAM TURBINES
- F01D21/00—Shutting-down of machines or engines, e.g. in emergency; Regulating, controlling, or safety means not otherwise provided for
- F01D21/003—Arrangements for testing or measuring
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
- F01D—NON-POSITIVE DISPLACEMENT MACHINES OR ENGINES, e.g. STEAM TURBINES
- F01D21/00—Shutting-down of machines or engines, e.g. in emergency; Regulating, controlling, or safety means not otherwise provided for
- F01D21/14—Shutting-down of machines or engines, e.g. in emergency; Regulating, controlling, or safety means not otherwise provided for responsive to other specific conditions
Abstract
本文提出了用于监控转子的健康状况的系统。所述系统包括处理子系统,所述处理子系统通过沿与转子中的叶片对应的到达信号增量时间重复地移动两个或更多相应的信号窗,生成与两个或更多相应的信号窗对应的多个频率峰值;通过识别与所述多个频率峰值的子集对应的转子速度,确定叶片的一个或多个谐振-频率转子速度范围;以及监控叶片,以确定在所述谐振-频率转子速度区中,在叶片中存在一个或多个缺陷。
Description
技术领域
本申请公开的主题涉及转子叶片或机翼,具体的,涉及用于监控转子的健康状况的方法和系统。
背景技术
转子叶片或机翼用在许多装置中,几个示例包括轴压缩机、涡轮机、发动机或其它涡轮机械。例如,轴压缩机具有一个或多个转子,转子具有一系列级,每一级包括一排转子叶片或机翼,之后是一排静止叶片或静止机翼。相应地,每一级包括一对转子叶片或机翼以及静止机翼。通常,转子叶片或机翼提高通过入口进入轴压缩机中的流体的动能。而且,静止叶片或静止机翼一般将增大动能的流体通过扩散转换成静止压力。相应地,转子叶片或机翼以及静止机翼提高流体的压力。
操作中,转子叶片通常以同步和异步频率振动。例如,尽管转子叶片由于转子速度/频率一般可以以同步频率振动,但转子叶片由于空气动力学的不稳定可能以异步频率振动,诸如旋转失速和颤振。在转子叶片的某些同步频率下,转子叶片有以更大的幅度振动的自然倾向。这种同步频率称作转子叶片的谐振频率。转子叶片的同步频率典型地在转子的固定转子速度下被激励。而且,谐振频率的激励可以增大转子叶片的振动幅度。这种幅度增大的振动可能损坏转子叶片或导致转子叶片中出现裂缝。
转子叶片在极端和变化的操作条件下,诸如影响机翼的健康状况的高速、压力和温度下操作很长的小时。除了极端和变化的操作条件,某些其它因素导致机翼的疲劳和应力。这些因素例如可以包括惯性力,包括机翼的离心力、压力、谐振频率、机翼中的振动、振动应力、温度应力、机翼的复位、气体或其它流体的负荷等等。在一个时段上应力和疲劳的长时间的增加损坏转子叶片,导致转子叶片中的缺陷或裂缝。转子叶片中的这种缺陷、损坏或裂缝可以改变激励转子叶片的谐振频率的转子速度。例如,在健康的转子叶片中,如果谐振频率在转子速度R下被激励,则当转子叶片有缺陷时,谐振频率可能变成在R+r的转子速度下被激励。激励转子叶片的谐振频率的转子速度的这些变化因此可能对监控转子叶片的健康状况是有用的。
因此,期望确定激励健康的转子叶片的谐振频率的转子速度。而且,期望确定激励谐振频率的转子速度中变化的存在,以监控和评估转子叶片的健康状况。
发明内容
本文通过在各个实施例中提供用于监控转子的健康状况的系统来解决与这种传统方法有关的这些和其它缺陷。所述系统包括处理子系统,所述处理子系统通过沿与转子中的叶片对应的到达增量时间到达信号增量时间重复地移动两个或更多相应的信号窗,生成与两个或更多相应的信号窗对应的多个频率峰值;通过识别与所述多个频率峰值的子集对应的转子速度,确定叶片的一个或多个谐振-频率转子速度;以及监控叶片,以确定在所述谐振-频率转子速度区中,在叶片中存在一个或多个缺陷。
附图说明
当参照附图阅读下面的详细描述时,会更好地理解本发明的这些和其它特征、方面和优点,其中:
图1是根据本发明的实施例的叶片健康状况监控系统的图解示意;
图2是根据本技术的某些方面基于增量TOA识别叶片的谐振-频率转子速度的示例性方法的流程图;
图3是图示根据本技术的一个方面通过沿增量TOA信号移动信号窗来确定多个频率峰值的示例性方法的流程图;
图4是与转子中的叶片对应的仿真增量TOA矢量信号的图,显示多个频率峰值的确定和所产生的值;
图5是基于频率信号和确定的同步频率阈值解释第一频率峰值的确定的频率信号的仿真图;
图6是根据本技术的一个实施例叶片的谐振-频率转子速度区的仿真图;
图7是根据本技术的一个实施例用于监控转子的健康状况的方法和流程图;
图8是可以用来确定叶片中存在裂缝或裂缝的可能性的指标值(index value)和相关值的相关图;
图9a显示叶片的历史谐振信号的仿真图;
图9b显示叶片的谐振信号的仿真图;
图10是根据本技术的一个实施例,基于谐振-频率第一增量TOA和谐振-频率第二增量TOA生成测量矩阵的方法的流程图;
图11是根据本技术的一个实施例基于测量矩阵生成谐振矩阵的方法的流程图;
图12a显示与叶片和第一感测装置对应的到达矢量的谐振-频率第一增量时间的仿真图;
图12b显示与叶片和第二感测装置对应的到达矢量的谐振-频率第二增量时间的仿真图;
图12c显示使用一行白化矩阵生成的子干净(sub-cleaned)的谐振-频率增量TOA矢量信号的仿真图;
图12d显示使用图12c中提到的另一行白化矩阵生成半噪声信号的仿真图;
图12e显示谐振信号的仿真图;
图12f显示噪声信号的仿真图;以及
图13是根据本技术的一个实施例生成白化矩阵(whitenedmatrix)的方法的流程图。
具体实施方式
在介绍本发明的各个实施例的元件时,冠词“一”以及“所述”旨在表示存在一个或多个此元件。词语“包括”、“包含”和“具有”旨在是包括性的,表示除了所列元件之外有另外的元件。如本文中使用的词语“和/或”包括一个或多个关联的所列元素的任何和所有组合。
如在说明书和权利要求中使用的近似性语言可以用来修饰任何定量表示,在不造成与它大致有关的基本功能变化时可允许变化。相应地,由诸如“大约”的词语修饰的值不局限于规定的精确值。在一些情况下,近似性语言可以对应于用于测量数值的仪器的精度。
如本文中使用的词语“预期到达时间(TOA)”可以用来指当叶片没有任何缺陷或裂缝,叶片在理想情形下工作,负载状况最佳,叶片中的振动最小时,叶片在旋转过程中处于参考位置的TOA。如本文中使用的词语“谐振-频率转子速度”指装置的转子的速度,其导致激励转子中叶片的一个或多个谐振频率。
操作中,转子中叶片的自然频率或谐振频率在装置(诸如轴压缩机)中转子的特定转子速度下被激励。后文中词语“导致激励叶片的谐振-频率的转子速度”指谐振-频率转子速度。如在下文详细讨论的,本系统和方法基于转子中的叶片到达参考位置的到达时间(TOA,后文称作实际TOA)识别叶片的谐振-频率转子速度。叶片中的一个或多个裂缝可以改变叶片的谐振-频率转子速度。根据一个实施例本系统和方法的技术效果是确定谐振-频率转子速度中的一个或多个变化,基于这些变化确定叶片中裂缝存在或裂缝存在的可能性。此技术效果提供改进的维修预兆和较低百分比的意外停机时间。
图1是根据本系统的实施例叶片健康状况监控系统10的分解图示。如图1中所示,系统10包括在转子11中的一个或多个叶片或机翼,这些叶片或机翼被系统10监控以确定叶片中裂缝存在或裂缝存在的可能性。注意,图1显示了转子11的一部分。转子11例如可以是装置的组件,诸如压缩机、轴压缩机、地面型燃气涡轮机等等。例如,转子11包括叶片12。为了便于理解,参照叶片12解释本系统和技术,然而,本系统和技术可应用于转子11中的每个叶片。如在目前考虑的配置中所示的,系统10包括一个或多个传感器14、16,传感器14、16感测在参考点处叶片12的到达,以生成代表叶片12到达参考点的到达时间(TOA)24、26的叶片通过信号BPS 18、20。在后文中词语“在参考点处叶片的TOA”被称作实际TOA。例如,第一感测装置14生成第一BPS 18,第一BPS 18代表叶片12处于参考点的第一实际TOA 24。例如,第二感测装置16生成第二BPS 20,第二BPS 20代表叶片12处于参考点的第二实际TOA 26。参考点例如可以在传感器14、16下面,或者邻近传感器14、16。实际TOA例如可以以时间或度的单位测量。BPS 18、20例如可以在转子的启动状态、转子11的暂态、转子11的稳态、转子11的过速状态期间或其中组合状态期间生成。
在一个实施例中,传感器14、16可以感测叶片12的前沿到达,以生成BPS 18、20。在另一个实施例中,传感器14、16可以感测叶片12的后沿到达,以生成BPS 18、20。在又一实施例中,传感器14可以感测叶片12的前沿到达,以生成BPS 18,传感器16可以感测叶片12的后沿到达,以生成BPS 20,或者反之亦然。传感器14、16例如可以邻近叶片12安装在固定物体的一个位置上,使得叶片12的到达可以被有效地感测。在一个实施例中,传感器14、16中的至少一个安装在叶片的外壳(未显示)上。通过非限制性示例,传感器14、16可以是磁致伸缩传感器、磁传感器、电容传感器、涡流传感器等等。
如在目前考虑的配置中图示的,BPS 18、20由处理子系统22接收。处理子系统22基于BPS 18、20,确定叶片12的第一实际TOA24和第二实际TOA 26。具体地,处理子系统22基于第一BPS 18确定第一实际TOA 24,处理子系统22基于第二BPS 20确定第二实际TOA 26。在某些实施例中,处理子系统22预处理第一实际TOA 24和第二实际TOA 26,以从第一实际TOA 24和第二实际TOA 26中去掉噪声和异步频率。处理子系统22例如可以通过对第一实际TOA24和第二实际TOA 26应用平滑滤波技术和中值滤波技术中的至少一个,预处理第一实际TOA 24和第二实际TOA 26。在一个示例中,处理子系统22包括至少一个处理器,所述处理器耦连到存储器和通信部分。诸如传感器数据的信息可以通过有线或无线机制经由通信部分传送,并存储在存储器中以用于后续处理。在一个示例中存储器还可以包括运行应用的可执行程序和相关文件。
而且,处理子系统22基于第一实际TOA 24和第二实际TOA 26监控叶片12的健康状况。处理子系统22基于叶片12的第一实际TOA 24和预期TOA确定与叶片12对应并与第一感测装置14对应的第一增量TOA 28。此外,处理子系统22基于叶片12的第二实际TOA 26和预期TOA确定与叶片12对应并与第二感测装置16对应的第二增量TOA 30。第一增量TOA 28对应于第一感测装置14,因为第一增量TOA是基于根据由第一感测装置14生成的第一BPS 18确定的第一实际TOA 24确定的。第二增量TOA 30对应于第二感测装置16,因为第二增量TOA 30是基于根据由第二感测装置16生成的第二BPS 20确定的第二实际TOA 26确定的。第一增量TOA 28或第二增量TOA 30可以使用以下方程(1)确定:
增量TOA=实际TOA-预期TOA (1)
在一个实施例中,通过将第一增量TOA 28映射到对应的转子11的转子速度,可以将第一增量TOA 28表示为第一增量TOA矢量32。在另一实施例中,通过将第二增量TOA 30映射到转子11的对应转子速度,可以将第二增量TOA表示为第二增量TOA矢量34。例如,如果第一实际TOA是基于转子速度为R1时在时间戳T1生成的BPS生成的,则第一增量TOA是基于第一实际TOA确定的,通过将第一增量TOA映射到转子速度R1,第一增量TOA表示为第一增量TOA矢量。后面,词语“第一增量TOA”和“第一增量TOA信号”可互换使用,原因是第一增量TOA是模拟的第一增量TOA信号的数字表示。而且,词语“第二增量TOA”和“第二增量TOA信号”可互换使用,原因是第二增量TOA是模拟的第二增量TOA信号的数字表示。此外,词语“第一增量TOA矢量”和“第一增量TOA矢量信号”可互换使用,原因是第一增量TOA矢量是模拟的第一增量TOA矢量信号的数字表示。此外,词语“第二增量TOA矢量”和“第二增量TOA矢量信号”可互换使用,因为第二增量TOA矢量是模拟的第一增量TOA矢量信号的数字表示。
注意,转子11在多个转子速度下操作。转子速度的子集激励转子11中的叶片的谐振频率。“激励叶片的谐振频率的转子的转子速度”在后文中称作谐振-频率转子速度。注意,转子中叶片的谐振-频率转子速度可以与另一转子中叶片的谐振-频率转子速度不同。而且,注意,转子11中叶片的谐振-频率转子速度可以与转子11中另一叶片的谐振频率转子速度不同。
在图1的实施例中,处理子系统22分别从第一增量TOA 28/第一增量TOA矢量32中提取谐振-频率第一增量TOA/谐振-频率第一增量TOA矢量。谐振-频率第一增量TOA/谐振-频率第一增量TOA矢量分别是第一增量TOA 28/第一增量TOA矢量32的子集。此外,处理子系统22从第二增量TOA 30/第二增量TOA矢量34中提取谐振-频率第二增量TOA 30/谐振-频率第二增量TOA矢量34。谐振-频率第二增量TOA/谐振-频率第二增量TOA矢量分别是第二增量TOA30/第二增量TOA矢量34的子集。在一个实施例中,处理子系统22基于谐振-频率第一增量TOA和谐振-频率第二增量TOA,确定叶片12的谐振-频率转子速度。在另一实施例中,处理子系统22基于谐振-频率第一增量TOA矢量和谐振-频率第二增量TOA矢量,确定叶片12的谐振-频率转子速度。
此外,处理子系统22确定谐振-频率转子速度相对于历史谐振-频率转子速度是否有任何变化,以确定叶片12中裂缝存在或叶片12中裂缝存在的可能性。当处理子系统22确定叶片12的谐振-频率转子速度中存在一个或多个变化时,处理子系统22确定叶片12中存在裂缝,或者确定叶片12中存在裂缝的可能性。参照图7更加详细地解释叶片12中裂缝的确定。
图2是根据本技术的某些方面基于增量TOA 220识别叶片12的谐振-频率转子速度区220的示例性方法200的流程图。谐振-频率转子速度区220是导致激励叶片12的一个或多个谐振频率的叶片12的转子速度的广阔区域。例如,叶片12的谐振频率可以在转子速度处于1200转每分钟到1400转每分钟的范围内时被激励,因此1200转每分钟到1400转每分钟是叶片的谐振-频率转子速度范围。
参考数字202代表与叶片12对应的增量TOA。增量TOA 202是在叶片12中没有任何缺陷或裂缝,叶片12和转子11在理想情形下工作,负载状况是最佳的,以及叶片12中的振动是最小时,基于由第一感测装置14或第二感测装置16生成的实际TOA确定的。在一个实施例中,如果第一实际TOA 24是在当叶片12中没有缺陷或裂缝,叶片12和转子11在理想情形下工作,负载状况是最佳的,叶片12中的振动最小时由第一感测装置14生成的,则增量TOA 202可以是第一增量TOA 28(参见图1)。在另一实施例中,如果第二实际TOA 26是在叶片12中没有缺陷或裂缝,叶片12和转子11在理想情形下工作,负载状况是最佳的,叶片12中的振动最小时由第二感测装置16生成的,则增量TOA 202可以是第二增量TOA 30(参见图1)。在一个实施例中,通过将增量TOA信号202映射到相应的转子速度,增量TOA信号202可以表示为增量TOA矢量信号。示例性增量TOA矢量信号示于图3中。在图2的实施例中,方法200的每个块由图1的处理子系统22执行。
在块204,选择第一信号窗和第二信号窗。第一信号窗和第二信号窗是转子速度带。此外,第一信号窗和第二信号窗都具有相应的宽度。例如,在图2的实施例中,第一信号窗是25转每分钟的转子速度带,第一信号窗的宽度是25转每分钟。还是在图2的实施例中,第二信号窗是50转每分钟的转子速度带,第二信号窗的宽度是50转每分钟。第二信号窗的宽度大于第一信号窗的宽度。
在块206,通过反复地沿增量TOA信号202移动第一信号窗,生成多个第一频率峰值。在块208,通过反复地沿增量TOA信号202移动第二信号窗,生成多个第二频率峰值。参照图3和图4更加详细地解释第一频率峰值和第二频率峰值的确定。
在块210,基于第一频率峰值和第二频率峰值,确定多个所得值。具体地,通过从相应的第一频率峰值中减去第二频率峰值,确定所得值。所得值例如可以使用以下方程(2)确定:
RV=第一频率峰值-第二频率峰值 (2)
其中,RV是所得值。
在块212,执行检查以确定所得值是否小于确定值。在块212,当所得值小于确定值时,控制转移到块214。在块214,确定与第二频率峰值对应的转子速度。与第二频率峰值对应的转子速度的局部极大值确定为谐振-频率转子速度区220,此时所得值小于确定值。例如,当与第二频率峰值对应的转子速度是1200转每分钟时,1200±50的局部极大值确定为谐振-频率转子速度区。
然而,继续参照块212,当所得值不小于确定值,控制转移到块216。在块216,选择后续信号窗。后续信号窗的宽度大于第一信号窗的宽度和第二信号窗的宽度。例如,通过非限制性示例,后续信号窗的宽度可以是75转每分钟,或者大于75转每分钟。而且,在块218,通过反复地沿增量TOA 202移动后续信号窗,确定多个后续频率峰值。通过反复地沿增量TOA 202移动后续信号窗,确定多个后续频率峰值将参照图3和图4解释。而且,控制转移到块210。在块210,基于后续频率峰值和之前的频率峰值,确定多个后续的所得值。在一个实施例中,之前的频率峰值就是第二频率峰值。还是在块212,执行检查以确定一个或多个后续的所得值是否小于确定值。当在块212,后续所得值不小于确定值时,块216至212被再次执行。然而,在块212,当后续所得值小于确定值时,控制转移到块214。在块214,与后续频率峰值对应的每个转子速度的局部极大值被标识为谐振-频率转子速度区220。例如,如果r是与后续频率峰值对应的转子速度,则r±50可以选择为谐振-频率转子速度区。图6显示通过使用参照图2描述的过程识别的叶片的仿真谐振-频率转子速度区。
图3是图示根据本技术的一个方面通过沿图1中提到的第一增量TOA信号202移动信号窗302确定多个频率峰值310的示例性方法300的流程图。具体地,图3更加详细地解释图2的块206、208和218。多个频率峰值310例如可以是当信号窗302是图2中提到的第一信号窗时的第一频率峰值。类似地,多个频率峰值310可以是当信号窗302是图2中提到的第二信号窗时的第二频率峰值。再者,多个频率峰值310可以是当信号窗302是后续信号窗(参见图2)时的后续频率峰值。
在块304,在第一增量TOA 202上设置信号窗302,选定被信号窗302包含或覆盖的增量TOA 202的第一子集。而且,在块306,基于增量TOA 202的第一子集生成频率峰值。例如,通过对增量TOA202的第一子集进行快速傅立叶变换确定频率信号,从频率信号中选择频率峰值,从而生成频率峰值,其中,频率峰值等于或小于确定的同步频率阈值。如本文中使用的词语“确定的同步频率阈值”是选择的数字频率值,使得比确定的同步频率阈值大的频率基本上是异步频率;等于或小于确定的同步频率阈值的频率基本上是同步频率。通过非限制性示例,确定的同步频率阈值的幅度可以约为2赫兹。参照图5更加详细地解释频率峰值的确定。
而且,在块308,频率峰值被加入到多个频率峰值310,控制转移到块312。在块312,进行检查以确定信号窗302是否已经沿信号增量时间202移动确定的次数。尽管在图3中,执行检查以确定信号窗302是否已经移动确定的次数,在某些实施例中,可以执行检查以确定信号窗302是否已经移动通过到达增量时间202。在块312,当确定信号窗302没有沿第一增量TOA信号202移动确定次数时;控制转移到块314。在块314,通过以确定的转子速度带沿增量TOA信号202移动时间窗302,确定移动窗。而且,在块316,选择被移动信号窗包含或覆盖的增量TOA信号202的后续子集。在块318,基于增量TOA信号202的后续子集,确定后续频率峰值。例如通过对第一增量TOA信号202的后续子集进行快速傅立叶变换以产生相应的频率信号,之后通过从频率信号中选择后续频率峰值,生成后续频率峰值,其中,后续频率峰值等于或小于确定的同步频率阈值。控制从块318转移到块308。在块308,后续频率峰值被加入到多个频率峰值310。接着,在块312,执行检查以确定信号窗302是否沿增量TOA信号202移动确定次数。在块312,当确定信号窗302已经移动确定的次数时,确定多个频率峰值310。
图4是与转子中的叶片对应的仿真增量TOA矢量信号402的图400,以显示多个频率峰值和所得值的确定。在一个实施例中,图4更加详细地解释图2的步骤206、208和218。而且,图4解释图2的步骤210。此外,图4更加详细地解释图3的步骤306。通过将转子中的叶片的增量TOA映射到相应的转子速度,生成仿真增量TOA矢量信号402。在一个实施例中,增量TOA矢量信号402可以是第一增量TOA矢量信号32(参见图1)。在另一实施例中,增量TOA矢量信号402可以是第二增量TOA矢量信号34(参见图1)。
图400的X-轴406代表转子的转子速度,图400的Y-轴408代表与叶片对应的增量TOA。参考数字410代表宽度为W1的第一信号窗,参考数字412代表宽度为W2的第二信号窗。第一信号窗410选择被第一信号窗410包含或覆盖的增量TOA矢量信号402的第一子集。如图4中所示,增量TOA矢量信号402的第一子集开始于点414,结束于点416。而且,图5中所示的频率信号502是基于增量TOA矢量信号402的第一子集生成的。频率信号502是通过对增量TOA矢量信号402的第一子集进行傅立叶变换或快速傅立叶变换确定的。而且,与第一信号窗410和TOA矢量信号402的第一子集对应的第一频率峰值508(图5中显示)是基于频率信号502和确定的同步频率阈值510(图5中显示)确定的。参照图5更加详细地解释与第一窗和增量TOA的第一子集对应的第一频率峰值的确定。
第二信号窗412选择被第二信号窗412包含或覆盖的增量TOA矢量信号402的第二子集。如图4中所示,TOA矢量信号402的第二子集开始于点418,终止于点420。而且,谐振信号是基于TOA矢量信号402的第二子集生成的。频率信号是通过对TOA矢量信号的第二子集进行傅立叶变换或快速傅立叶变换确定的。而且,与第二信号窗412和增量TOA的第二子集对应的第二频率峰值是基于频率信号和确定的同步频率阈值确定的。第二频率峰值例如可以使用参照图5解释的方法确定。而且,第一所得值是通过从第一频率峰值中减去第二频率峰值确定的。
接着,第一信号窗410移动转子速度带SB1,以生成移动第一窗SW1,第二窗412移动转子速度带SB1,以生成移动第二信号窗SW2。再着,与移动的第一信号窗SW1对应的随后的第一频率峰值是基于被移动第一信号窗覆盖SW1覆盖的增量TOA矢量信号402的子集确定的。此外,与移动第二信号窗SW2对应的后续的第二频率峰值是基于被移动第二信号窗SW2覆盖的增量TOA矢量信号402的子集确定的。而且,第二所得值是通过从后续第一频率峰值中减去后续第二频率峰值确定的。
第一信号窗410和第二信号窗412被移动,直到增量TOA矢量信号402被完全跨越。而且,多个第一频率峰值、多个第二频率峰值和多个所得值是通过移动第一信号窗410和第二信号窗412确定的。多个第一频率峰值包括第一频率峰值和后续的第一频率峰。多个第二频率峰值包括第二频率峰值和后续的第二频率峰。而且,多个所得值包括第一所得值和第二所得值。
图5是图4中提到的频率信号502的图500,以解释基于频率信号502和确定的同步频率阈值510确定第一频率峰值508。图500的X-轴504代表增量TOA矢量信号402的第一子集的频率,图500的Y-轴506代表频率的幅度。第一频率峰值508例如是通过图1中提到的处理子系统22确定的。处理子系统22选择比确定的同步频率阈值510小的频率。选择的频率是同步频率。注意,从频率信号502中选择比确定的同步频率阈值510小的频率导致从频率信号502中选择同步频率。而且,具有最高幅度的频率是从同步频率或所选择频率中选择的。在图5的实施例中,频率512具有最高幅度508。最高幅度508被确定为第一频率峰值508。
图6是使用参照图2解释的方法确定的叶片的谐振-频率转子速度区602、604的仿真图600。X-轴606代表转子的转子速度,Y-轴代表频率峰值。频率峰值可以是在图2的块208中确定的第二频率峰值,或者是在图2中提到的块218中确定的后续的频率峰值。如图6中所示,两个谐振-频率转子速度区602、604被标识。
图7是根据本技术的一个实施例用于监控图1中提到的叶片12的健康状况的方法700的流程图。参考数字220代表转子11中(参见图2)叶片12的谐振-频率转子速度区。参考数字32代表由图1中的处理子系统22确定的第一增量TOA矢量。而且,参考数字34代表由图1中的处理子系统22确定的第二增量TOA矢量。在块702,从第一增量TOA矢量32中选择谐振-频率第一增量TOA矢量。如本文中使用的词语“谐振-频率第一增量TOA矢量”用来指第一增量TOA矢量32的子集,其中,所述子集对应于叶片12的谐振-频率转子速度区。在块704,从第二增量TOA矢量34中选择谐振-频率第二增量TOA矢量。如本文中使用的词语“谐振-频率第二增量TOA矢量”用来指第二增量TOA矢量34的子集,其中,所述子集对应于叶片12的谐振-频率转子速度区。
而且,在块706,基于谐振-频率第一增量TOA矢量和谐振-频率第二增量TOA矢量生成测量矩阵。测量矩阵例如可以通过排列谐振-频率第一增量TOA矢量和谐振-频率第二增量TOA矢量生成,以生成初始矩阵,去趋势化(detrend)初始矩阵以生成测量矩阵。初始矩阵例如可以使用包括多项式曲线拟合技术或基于小波的曲线拟合技术的一种或多种技术去趋势化。而且,参照图10更加详细地解释测量矩阵的生成。
在块708,基于测量矩阵生成谐振矩阵,使得谐振矩阵中的元素基本上是线性不相关的和线性独立的。谐振矩阵例如可以通过对测量矩阵应用至少一种技术确定,其中,至少一种技术包括白化(whitened)技术、累积量矩阵估计技术和矩阵旋转技术。
谐振矩阵包括干净的谐振-频率增量TOA矢量712和噪声数据710。具体地,谐振矩阵的一行包括谐振-频率增量TOA矢量712,谐振矩阵的另一行包括噪声数据714。在从谐振-频率第一增量TOA矢量信号和谐振-频率第二增量TOA矢量信号中去掉噪声之后,干净的谐振-频率增量TOA矢量信号712包括第一感测装置14和第二感测装置16的共同观测值或测量。为便于理解,词语“干净的谐振-频率增量TOA矢量”被称作谐振信号。而且,噪声信号710包括谐振-频率第一增量TOA矢量信号和谐振-频率第二增量TOA矢量信号的噪声。为便于理解,“干净的谐振-频率增量TOA矢量信号712”可互换称作谐振信号712。使用图7的方法的谐振信号的一个示例示于图9a和图12e中。使用图7的方法的噪声信号的一个示例示于图12f中。
参考数字714代表在叶片12中没有缺陷或裂缝,叶片12工作在理想情形下,负载状况是最佳的,叶片12中的振动最小时产生的叶片12的历史谐振信号。历史谐振信号714显示当叶片12中没有任何缺陷或裂缝时映射到叶片12的历史干净增量TOA的叶片12的历史谐振-频率转子速度。
在块716,确定叶片12的谐振-频率转子速度相对于叶片12的历史谐振-频率转子速度是否存在变化。例如,叶片12的谐振-频率转子速度相对于叶片12的历史谐振-频率转子速度的变化是通过对谐振信号712和历史谐振信号714应用相关函数确定的。应用相关函数导致确定指标值和相关值。如本文中使用的词语“相关值”是谐振信号和历史谐振信号之间的相关度或相似度的度量。如本文中使用的词语“指标值”(index value)是谐振信号和历史谐振信号之间的相位移动的度量。相关值越高,谐振信号712和历史谐振信号714之间的相似度越高。还有,指标值越高,谐振信号712关于历史谐振信号714的相位移动越高。相应地,相关值和指标值可以用来确定谐振信号712关于历史谐振信号714的变化。
而且,在块718,可以基于谐振信号712关于历史谐振信号714的变化确定裂缝存在、裂缝不存在或裂缝的可能性。例如,当谐振信号712关于历史谐振信号714存在变化时,可以确定叶片12中存在裂缝。在一个实施例中,可以基于指标值、相关值和相关图确定裂缝存在、裂缝不存在或裂缝的可能性。在图8中显示基于指标值、相关值和相关图确定裂缝存在、裂缝不存在或裂缝的可能性。
图8示出了根据本技术的一个实施例可以用来确定叶片12中裂缝存在、裂缝不存在或裂缝的可能性的相关图800。在一个实施例中,图8解释图7的步骤718。相关图800包括四个象限,包括第一象限802、第二象限804、第三象限806和第四象限808。第一象限802代表低指标值和高相关值。第二象限804代表高指标值和高相关值。第三象限806代表高指标值和低相关值。而且,第四象限808代表低指标值和低相关值。
在图7中的块716处确定的指标值和相关值位于相关图800中,以确定叶片12中裂缝存在、裂缝不存在或裂缝的可能性。例如,当指标值和相关值落入相关图800的第一象限802中时,可以确定叶片12中不存在裂缝。而且,当在块716处确定的指标值和相关值落入相关图800的第二象限804中时,可以确定叶片12中存在一个或多个裂缝。此外,在块716处确定的指标值和相关值落入相关图800的第三象限806中时,可以确定叶片12中存在裂缝存在的可能。此外,在块716处确定的指标值和相关值落入相关图800的第四象限808时,可以确定叶片12中存在裂缝的可能性。
图9a示出了叶片12的历史谐振信号902的仿真图900,图9b示出了使用图7中解释的方法生成的叶片12的谐振信号906的仿真图904。图900、904的X-轴908代表谐振-频率转子速度范围,图900、904的Y-轴910代表干净的谐振-频率增量TOA。如图9a中的历史谐振信号902所示的,当叶片处于没有裂缝和振动的健康状况时,叶片的谐振频率在谐振-频率转子速度912处被激励。然而,通过谐振信号906显然,叶片的谐振频率在移动了的谐振-频率转子速度914处被激励。相应地,由于由历史谐振信号902所示的叶片的谐振-频率转子速度912的变化或移动,可以确定叶片有裂缝。
图10是根据本技术的一个实施例基于谐振-频率第一增量TOA和谐振-频率第二增量TOA生成测量矩阵的方法1000的流程图。在一个实施例中,图10更加详细地解释图7的块706。谐振-频率第一增量TOA是在图7中的块702从第一增量TOA 32选择的。而且,谐振-频率第二增量TOA是在图7的块704从第二增量TOA 34选择的。在块1002,基于谐振-频率第一增量TOA矢量和谐振-频率第二增量TOA,生成初始矩阵。在一个实施例中,如果LE1代表谐振-频率第一增量TOA矢量,LE2代表谐振-频率第二增量TOA矢量,则初始矩阵I可以表示如下:
而且,在块1004,可以通过去趋势化初始矩阵I,生成测量矩阵。初始矩阵例如可以通过对初始矩阵I应用至少一种技术而被去趋势化。所述技术例如包括多项式曲线拟合、基于小波的曲线拟合或其组合。
图11是根据本技术的一个实施例,基于测量矩阵生成谐振矩阵的方法1100的流程图。在一个实施例中,图11解释图7中的步骤708。在块1102,基于测量矩阵确定白化矩阵。白化矩阵是通过基本上去掉测量矩阵中的元素之间的线性相关来确定的。具体地,白化矩阵是通过基本上去掉测量矩阵的第一行中的元素和测量矩阵的第二行中的元素之间的线性相关来确定的。相应地,白化矩阵的第一行中的元素和白化矩阵的第二行中的元素是线性不相关的。注意,两个信号“x”和“y”或两个元素“x”和“y”在E{xyT}=0时是线性不相关的,其中,“E”是期望值或平均值,xyT是相关运算。参照图13更加详细地解释通过将测量矩阵变换成白化矩阵来确定白化矩阵。在一个实施例中,白化矩阵包括两行,其中第一行基本上包括谐振-频率第一增量TOA矢量和谐振-频率第二增量TOA矢量的共同观测值/分量,第二行基本上包括谐振-频率第一增量TOA矢量和谐振-频率第二增量TOA矢量的噪声。相应地,白化矩阵的第一行可以用来生成基本上包括谐振-频率第一增量TOA矢量和谐振-频率第二增量TOA矢量的共同观测值/分量的子干净(sub-cleaned)的谐振频率增量TOA矢量信号1104。而且,白化矩阵的第二行可以用来生成基本上包括谐振-频率第一增量TOA矢量和谐振-频率第二增量TOA矢量的噪声的半噪声信号1106。
而且,在块1108,通过对白化矩阵应用累积量-生成函数,基于白化矩阵确定累积量矩阵。在一个实施例中,累积量矩阵是四阶累积量矩阵。在一个实施例中,累积量矩阵是白化矩阵中各元素的独立性的测量。在块1110,基于累积量矩阵可以确定旋转矩阵。旋转矩阵是通过基本上去掉累积量矩阵中的各元素之间的线性相关确定的。具体地,旋转矩阵是通过去掉累积量矩阵的第一行中的各元素和累积量矩阵的第二行中的各元素之间的线性相关确定的。相应地,累积量矩阵的第一行中的各元素和累积量矩阵的第二行中的各元素是线性不相关的。参照图13更加详细地解释旋转矩阵的确定。
在块1112,基于旋转矩阵和确定的旋转矩阵,通过使旋转矩阵旋转,通过基本上去掉旋转矩阵中各元素之间的线性关系,确定单位矩阵(unitary matrix)。在块1114,通过确定单位矩阵和白化矩阵的积确定谐振矩阵。谐振矩阵中的元素是线性不相关的和线性独立的。而且,单位矩阵中的元素是线性不相关的。在一个实施例中,谐振矩阵的第一行中的元素和谐振矩阵的第二行中的元素是线性不相关的和线性独立的。谐振矩阵例如是在图7中的块708处确定的谐振矩阵。谐振矩阵包括图7中提到的干净的增量TOA矢量712和噪声数据710。
图12a示出了与叶片12和第一感测装置14对应的到达矢量信号1202的谐振-频率第一增量时间的仿真图1200。到达矢量信号1202的谐振-频率第一增量时间例如可以是在图7中的块702处从第一增量TOA 32选择的到达矢量的谐振-频率第一增量时间。此外,图12b示出了与叶片和第二感测装置16对应的到达矢量信号1206的谐振-频率第二增量时间的仿真图1204。到达矢量信号1206的谐振-频率第二增量时间例如可以是在图7的块704从第二增量TOA 34选择的到达矢量的谐振-频率第二增量时间。图1200的X-轴1208代表叶片的谐振-频率转子速度范围。图1200的Y-轴1210代表谐振-频率第一增量TOA 1202。类似地,图1204的X-轴1212代表叶片的谐振-频率转子速度范围。图1204的Y-轴1214代表谐振-频率第二增量TOA1206。
到达矢量信号1202的谐振-频率第一增量时间和到达矢量信号1206的谐振-频率第二增量时间使用在图7和图10中的块706解释的方法被处理以形成测量矩阵。而且,白化矩阵是通过对测量矩阵变形确定的。白化矩阵用来生成分别显示于图12c和12d中的子干净的谐振-频率增量TOA矢量信号1216和半噪声信号1218。子干净的谐振-频率增量TOA矢量信号1216和半噪声信号1218是使用图11中的块1102中解释的方法生成的。如子干净的谐振-频率增量TOA矢量信号1216中所示的,信号1202、1206(参见图12a、图12b)的共同观测值捕获于子干净的谐振-频率增量TOA矢量信号1216中。然而,子干净的谐振-频率增量TOA矢量信号1216仍然具有最小剩余噪声。而且,如图12d中所示,噪声信号1218包含信号1202、1204的大部分噪声。
而且,白化矩阵或信号1216、1218使用图11中的块1108-1112处理,以生成图12e中所示的谐振信号1220和图12f中所示的噪声信号1222。谐振信号1220和噪声信号1222是使用参照图7中的块708和图11解释的方法生成的。如图12e中所示,信号1202、1206(参见图12a、图12b)的共同观测值捕获于谐振信号1220中,噪声信号1222具有零噪声。而且,如图12f中所示,噪声信号1222包含信号1202、1204的噪声。
图13是根据本技术的一个实施例生成白化矩阵1314的方法的流程图。在一个实施例中,图13更加详细地解释图11的块1102。在另一实施例中,图13更加详细地解释图11的块1110。参考数字1302代表待白化矩阵。待白化矩阵1302例如可以是图11中的块1102中提到的测量矩阵,或者待白化矩阵1302可以是图11中的块1108中提到的累积量矩阵。当待白化矩阵1302是测量矩阵时,白化矩阵1314是图11的块1102中提到的白化矩阵。当待白化矩阵1302是累积量矩阵时,白化矩阵是图11的块1110中提到的单位矩阵。
在块1304,通过确定待白化矩阵1302的协方差,生成协方差矩阵。在块1306,通过对协方差矩阵应用特征向量分解技术,确定特征值矩阵和特征值。在块1308,确定特征值的平方根。而且,在块1310,通过用特征向量矩阵乘以特征值的平方根,确定积矩阵。在块1312,通过将积矩阵和测量矩阵相乘,确定白化矩阵1314。
本系统和方法在转子叶片、包含转子叶片的转子和包含转子叶片的装置以及转子健康时,通过识别转子叶片的谐振-频率转子速度,监控转子叶片的健康状况。而且,本系统和方法确定转子叶片的谐振-频率转子速度的变化。本系统和方法基于转子叶片的谐振-频率的变化确定转子叶片中存在或不存在裂缝。
尽管在本文中已经图示和描述了本发明,但许多改进和变化是本领域技术人员容易想到的。因此,应理解所附权利要求旨在覆盖落入本发明的真实精神内的所有这种变形和变化。
Claims (20)
1.一种用于监控转子的健康状况的系统,包括处理子系统、存储器和通信部分,所述系统:
通过沿与转子中的叶片对应的到达信号增量时间重复地移动两个或更多相应的信号窗,生成与所述两个或更多相应的信号窗对应的多个频率峰值;
通过识别与所述多个频率峰值的子集对应的转子速度,确定叶片的一个或多个谐振-频率转子速度区;以及
监控叶片,以确定在所述谐振-频率转子速度区中,在叶片中存在一个或多个缺陷。
2.根据权利要求1所述的系统,其特征在于,所述一个或多个谐振-频率转子速度区是与所述多个频率峰值的所述子集对应的转子速度的局部极大值。
3.根据权利要求1所述的系统,其特征在于,所述处理子系统进一步监控在叶片的谐振-频率转子速度范围内叶片的健康状况。
4.根据权利要求1所述的系统,其特征在于,所述处理子系统进一步基于在转子的启动状态、转子的暂态、转子的稳态、转子的过速状态或其组合中生成的到达时间,确定所述到达信号增量时间。
5.根据权利要求1所述的系统,其特征在于,在所述两个或更多信号窗中的第一信号窗的宽度大于在所述两个或更多信号窗中的第二信号窗的宽度。
6.根据权利要求1所述的系统,其特征在于,所述处理子系统通过以下步骤生成与所述两个或更多相应的信号窗中的第一信号窗对应的多个第一频率峰值:
选择所述信号窗中包含的到达信号增量时间的第一子集;
基于到达信号增量时间的所述第一子集,生成所述多个第一频率峰值中的第一频率峰值;
沿所述到达信号增量时间移动所述第一信号窗,以确定移动的第一信号窗;
选择所述移动的第一信号窗中包含的到达信号增量时间的第二子集;
基于到达信号增量时间的所述第二子集,生成所述多个第一频率峰值中的后续第一频率峰值;以及
通过沿到达信号增量时间重复地移动所述第一信号窗并且选择增量到达时间的相应子集,确定所述多个第一频率峰值,
其中,所述多个第一频率峰值是所述多个频率峰值的子集。
7.根据权利要求6所述的系统,其特征在于,所述移动的第一信号窗不完全与所述第一信号窗重叠。
8.根据权利要求6所述的系统,其特征在于,所述处理子系统通过以下步骤基于到达信号增量时间的所述第一子集,生成所述多个第一频率峰值中的第一频率峰值:
通过确定到达信号增量时间的所述第一子集的傅立叶变换,确定与到达信号增量时间的所述第一子集对应的频率信号;
从所述频率信号中选择同步频率;以及
在所述同步频率中选择具有最大幅值的频率;以及
确定等于所述同步频率中的最大幅值的第一频率峰值。
9.一种用于监控转子的健康状况的方法,包括:
通过沿与转子中的叶片对应的到达信号增量时间重复地移动第一信号窗,生成多个第一频率峰值;
通过沿与叶片对应的到达信号增量时间重复地移动第二信号窗,生成多个第二频率峰值;
基于所述多个第一频率峰值和所述多个第二频率峰值,处理多个初始所得值;
确定一个或多个所述多个初始所得值是否小于确定值;以及
当所述一个或多个所述多个所得值小于所述确定值时,通过识别与所述多个第二频率峰值对应的转子速度,处理转子的一个或多个谐振-频率转子速度区。
10.根据权利要求9所述的方法,其特征在于,所述一个或多个谐振-频率转子速度区是与所述多个第二频率峰值的子集对应的转子速度的局部极大值。
11.根据权利要求9所述的方法,其特征在于,进一步包括:
当所述一个或多个所述多个所得值大于所述确定值时,通过沿到达信号增量时间重复地移动后续信号窗,生成多个后续频率峰值;
基于使用之前的信号窗确定的所述多个后续频率峰值和多个之前的频率峰值,生成多个后续所得值;
确定一个或多个所述多个后续所得值是否小于所述确定值;以及
当一个或多个所述多个后续所得值小于所述确定值时,通过识别与所述多个后续峰值对应的转子速度,处理转子的谐振-频率转子速度。
12.根据权利要求11所述的方法,其特征在于,所述之前的窗包括第二窗,所述多个之前的峰值包括所述多个第二峰值。
13.根据权利要求9所述的方法,其特征在于,进一步包括基于在转子的多个转子速度中生成的到达时间,确定到达信号增量时间。
14.根据权利要求9所述的方法,其特征在于,所述到达信号增量时间包括到达增量时间矢量,所述到达增量时间矢量包括映射到转子的相应转子速度的到达增量时间。
15.根据权利要求11所述的方法,其特征在于,所述第二窗的宽度大于所述第一窗的宽度,所述后续窗的宽度大于所述之前的窗。
16.根据权利要求15所述的方法,其特征在于,所述第一窗的宽度、所述第二窗的宽度、所述之前的窗的宽度和所述后续窗的宽度包括转子速度带。
17.根据权利要求9所述的方法,其特征在于,进一步包括基于所述多个第一频率峰值和所述多个第二频率峰值,通过从所述多个第一频率峰值中减去所述多个第二频率峰值,确定多个所得值。
18.根据权利要求9所述的方法,其特征在于,所述一个或多个谐振频率转子速度范围包括激励叶片的至少一个谐振频率的转子的转子速度的子集。
19.根据权利要求9所述的方法,其特征在于,进一步包括:
通过提取到达增量时间的子集,生成谐振-频率到达增量时间,所述到达增量时间基于在转子的谐振-频率转子速度范围内生成的到达时间确定;以及
基于所述谐振-频率到达增量时间,确定叶片中的一个或多个缺陷。
20.根据权利要求9所述的方法,其特征在于,进一步包括:
接收与叶片对应的到达时间;
通过应用平滑滤波技术和中值滤波技术中的至少一种以从到达时间信号中去掉异步信号,从而生成预处理的到达时间信号;以及
基于所述预处理的到达时间信号和预期的到达时间,确定到达信号增量时间。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/140,654 US20150184533A1 (en) | 2013-12-26 | 2013-12-26 | Methods and systems to monitor health of rotor blades |
US14/140654 | 2013-12-26 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104748952A true CN104748952A (zh) | 2015-07-01 |
Family
ID=53372178
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410815966.0A Pending CN104748952A (zh) | 2013-12-26 | 2014-12-24 | 监控转子叶片的健康状况的方法和系统 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20150184533A1 (zh) |
JP (1) | JP2015125147A (zh) |
CN (1) | CN104748952A (zh) |
CH (1) | CH709085A8 (zh) |
DE (1) | DE102014118695A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109974849A (zh) * | 2019-04-03 | 2019-07-05 | 上海交通大学 | 无参考信号下基于叶尖定时技术的叶片振动在线监测方法 |
CN113586177A (zh) * | 2021-08-10 | 2021-11-02 | 西安交通大学 | 基于单叶端定时传感器的叶片固有频率识别方法 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10609714B2 (en) * | 2017-07-12 | 2020-03-31 | Qualcomm Incorporated | Spatial listen before talk |
CN114264366A (zh) * | 2021-12-22 | 2022-04-01 | 南水北调东线江苏水源有限责任公司 | 一种监测水泵机组泵壳多角度振动分量的方法 |
US11965424B2 (en) * | 2022-06-21 | 2024-04-23 | General Electric Company | Electronic overspeed protection system and method |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5206816A (en) * | 1991-01-30 | 1993-04-27 | Westinghouse Electric Corp. | System and method for monitoring synchronous blade vibration |
JP2002022616A (ja) * | 2000-07-13 | 2002-01-23 | Mitsubishi Heavy Ind Ltd | 亀裂診断方法及び亀裂診断装置 |
CN101252337A (zh) * | 2007-02-20 | 2008-08-27 | 通用汽车环球科技运作公司 | 减少功率逆变器在高频操作下的分谐波振荡 |
US20090082976A1 (en) * | 2005-12-21 | 2009-03-26 | Rolls-Royce Plc | Methods of Analysing Apparatus |
CN101532911A (zh) * | 2009-04-24 | 2009-09-16 | 华北电力大学 | 大型汽轮发电机组转子裂纹故障实时诊断方法 |
US20100191502A1 (en) * | 2009-01-28 | 2010-07-29 | General Electric Company | System and method for clearance estimation between two objects |
CN102177313A (zh) * | 2008-10-10 | 2011-09-07 | 斯奈克玛 | 监测涡轮喷气发动机的方法和系统 |
CN102384843A (zh) * | 2010-08-31 | 2012-03-21 | 通用电气公司 | 用于监测翼型的健康的系统和方法 |
CN102498372A (zh) * | 2009-09-14 | 2012-06-13 | 西门子公司 | 用于测定在涡轮叶片中的裂纹的方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH068752B2 (ja) * | 1986-06-04 | 1994-02-02 | 株式会社日立製作所 | 翼の回転中の振動デ−タの分析処理方法 |
JPH0364630A (ja) * | 1989-07-31 | 1991-03-20 | Nissan Motor Co Ltd | ガスタービンエンジンにおけるタービンブレードの異常検出装置 |
JP3663609B2 (ja) * | 1996-05-22 | 2005-06-22 | 石川島播磨重工業株式会社 | ガスタービンの動翼故障診断方法および装置 |
JP2003293793A (ja) * | 2002-04-05 | 2003-10-15 | Mitsubishi Heavy Ind Ltd | 燃焼振動予兆検知装置、ガスタービンシステム及び燃焼振動予兆検知方法 |
US8543341B2 (en) * | 2010-06-29 | 2013-09-24 | General Electric Company | System and method for monitoring health of airfoils |
DE102008057556A1 (de) * | 2008-11-15 | 2010-05-20 | Mtu Aero Engines Gmbh | Verfahren und Vorrichtung zur Risserkennung an Verdichterlaufschaufeln |
-
2013
- 2013-12-26 US US14/140,654 patent/US20150184533A1/en not_active Abandoned
-
2014
- 2014-12-16 DE DE102014118695.8A patent/DE102014118695A1/de not_active Withdrawn
- 2014-12-17 CH CH01963/14A patent/CH709085A8/de not_active Application Discontinuation
- 2014-12-24 JP JP2014259655A patent/JP2015125147A/ja active Pending
- 2014-12-24 CN CN201410815966.0A patent/CN104748952A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5206816A (en) * | 1991-01-30 | 1993-04-27 | Westinghouse Electric Corp. | System and method for monitoring synchronous blade vibration |
JP2002022616A (ja) * | 2000-07-13 | 2002-01-23 | Mitsubishi Heavy Ind Ltd | 亀裂診断方法及び亀裂診断装置 |
US20090082976A1 (en) * | 2005-12-21 | 2009-03-26 | Rolls-Royce Plc | Methods of Analysing Apparatus |
CN101252337A (zh) * | 2007-02-20 | 2008-08-27 | 通用汽车环球科技运作公司 | 减少功率逆变器在高频操作下的分谐波振荡 |
CN102177313A (zh) * | 2008-10-10 | 2011-09-07 | 斯奈克玛 | 监测涡轮喷气发动机的方法和系统 |
US20100191502A1 (en) * | 2009-01-28 | 2010-07-29 | General Electric Company | System and method for clearance estimation between two objects |
CN101532911A (zh) * | 2009-04-24 | 2009-09-16 | 华北电力大学 | 大型汽轮发电机组转子裂纹故障实时诊断方法 |
CN102498372A (zh) * | 2009-09-14 | 2012-06-13 | 西门子公司 | 用于测定在涡轮叶片中的裂纹的方法 |
CN102384843A (zh) * | 2010-08-31 | 2012-03-21 | 通用电气公司 | 用于监测翼型的健康的系统和方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109974849A (zh) * | 2019-04-03 | 2019-07-05 | 上海交通大学 | 无参考信号下基于叶尖定时技术的叶片振动在线监测方法 |
CN113586177A (zh) * | 2021-08-10 | 2021-11-02 | 西安交通大学 | 基于单叶端定时传感器的叶片固有频率识别方法 |
CN113586177B (zh) * | 2021-08-10 | 2022-08-09 | 西安交通大学 | 基于单叶端定时传感器的叶片固有频率识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CH709085A2 (de) | 2015-06-30 |
US20150184533A1 (en) | 2015-07-02 |
CH709085A8 (de) | 2015-08-28 |
JP2015125147A (ja) | 2015-07-06 |
DE102014118695A1 (de) | 2015-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104748953A (zh) | 监控转子叶片的健康状况的方法和系统 | |
CN104748952A (zh) | 监控转子叶片的健康状况的方法和系统 | |
CN106240839B (zh) | 用于使用闭合形式形状拟合的系统识别的系统和方法 | |
Wang et al. | An improved multiple signal classification for nonuniform sampling in blade tip timing | |
WO2020192621A1 (zh) | 一种基于叶端定时的转子叶片动应变场测量方法及其系统 | |
CN102282450B (zh) | 监控燃气涡轮发动机运行中产生的振动现象的方法和系统 | |
Yuan et al. | Efficient computational techniques for mistuning analysis of bladed discs: a review | |
US20140100798A1 (en) | Turbine blade fatigue life analysis using non-contact measurement and dynamical response reconstruction techniques | |
CN109790757B (zh) | 使用叶片尖端定时(btt)测量转子叶片尖端偏转的方法和系统 | |
CN110567574A (zh) | 一种旋转叶片叶端定时振动参数辨识方法与系统 | |
KR20160008491A (ko) | 회전 블레이드 강건성 모니터링 방법 및 시스템 | |
RU2544674C2 (ru) | Способ предварительной обработки сигналов датчика вибрации для диагностики двигателя | |
US20160171796A1 (en) | Gas Turbine Engine Anomaly Detections and Fault Identifications | |
CN102436515A (zh) | 用于估算涡轮机翼型的剩余寿命的方法和系统 | |
EP2660582A1 (en) | System and method for monitoring the health of stator vanes | |
Sarkar et al. | Symbolic dynamic analysis of transient time series for fault detection in gas turbine engines | |
US20170254783A1 (en) | System and method for monitoring component health using resonance | |
Wang et al. | Fault diagnosis of bearing based on KPCA and KNN method | |
Ayad et al. | Search of a robust defect signature in gear systems across adaptive Morlet wavelet of vibration signals | |
US10984153B2 (en) | Method of determining a maximum acceptable alternating stress for a part that is subjected to cyclic loading; a unit for determining such a stress | |
Tian et al. | Fault diagnosis method for inter-shaft bearings based on information exergy and random forest | |
Chen et al. | Deep compressed sensing-based accurate blade vibration reconstruction using sub-sampled tip-timing measurements | |
Dolenc et al. | Robust information indices for diagnosing mechanical drives under non-stationary operating conditions | |
Abdullah et al. | Extracting fatigue damage features using STFT and CWT | |
Shiblee et al. | Fault diagnosis of internal combustion engine using empirical mode decomposition and artificial neural networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150701 |
|
WD01 | Invention patent application deemed withdrawn after publication |