CN105987809A - 基于随机共振的离心式压缩机半开式叶轮裂纹检测方法 - Google Patents
基于随机共振的离心式压缩机半开式叶轮裂纹检测方法 Download PDFInfo
- Publication number
- CN105987809A CN105987809A CN201510069313.7A CN201510069313A CN105987809A CN 105987809 A CN105987809 A CN 105987809A CN 201510069313 A CN201510069313 A CN 201510069313A CN 105987809 A CN105987809 A CN 105987809A
- Authority
- CN
- China
- Prior art keywords
- frequency
- blade
- characteristic frequency
- accidental resonance
- signal
- 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
Abstract
本发明涉及基于随机共振的离心式压缩机半开式叶轮裂纹检测方法,包括对采集的压力脉动信号进行经验模式分解,获取评判叶片裂纹有无的特征频率fc;对采集的压力脉动信号进行随机共振处理,再进行频谱分析获取随机共振频谱;在随机共振频谱中寻找特征频率fc及其倍频,如果存在则提取此特征频率fc,如果不存在则判断叶片正常、无裂纹;对比得到的压力脉动信号特征频率是否为轴频,若是轴频则叶片正常,若不是轴频则存在裂纹。最后,通过对比特征频率fc与叶片应力信号的故障频率,验证本发明方法的正确性。本发明可以实现对半开式压缩机叶片裂纹进行检测,避免由于叶片的裂纹故障而引起事故。
Description
技术领域
本发明属于设备故障诊断领域,具体的说是基于随机共振的离心式压缩机半开式叶轮裂纹检测方法。
背景技术
离心式压缩机能够通过叶轮的旋转来提升流体压力,是石化工厂的重要设备。现在,人们越来越关注离心式压缩机的高效率以及高可靠性。叶片是离心式压缩机的一个非常重要但又非常薄弱的部件,其工作环境非常恶劣常受到流体、噪声以及高温的影响。由于离心式压缩机的工作环境复杂多变,因此压缩机经常在非设计状态下运行,叶片裂纹经常发生,最终可能引起叶片断裂,造成机组损坏。然而,叶片裂纹的检测较为复杂,一直是困扰国内外设备故障诊断工程界和学术界的难题。
现在对裂纹无损检测常规的方法主要有超声探伤、射线探伤、涡流探伤、磁粉探伤和渗透法探伤等,这些方法虽然都可以对叶片裂纹进行检测,但是这些方法大都不能实现对叶片裂纹的实时监测,只能停机后再测试,缺乏一定的时效性。
当特征信息较为微弱时,其往往会被噪声所淹没,传统的方法是去除噪声,并把特征信息提取出来,而随机共振却是利用信号中的噪声。其将信号经过双稳系统,利用噪声能量使信号以特征信息的频率跃迁从而将特征信息提取出来。双稳系统表达式
其中s(t)为特征信号n(t)为白噪声,s(t)+n(t)即为实际信号,双稳系统有两个势阱,当信号比较微弱时,信号只能在一个势阱里来回震荡。当有噪声时,且其能量达到一定值,信号可在两个势阱中来回跃迁。其逃逸速率为
其中D为噪声强度,为势垒高度。让信号频率为逃逸速率的一半时便可发生共振。由于而且rk随a的增大而减小。因此信号中能在低频处共振,因此需要对信号进行时域拉伸,使信号能在高频处共振。另外信号进过双稳系统后能够收敛的必要条件为ah<1,便可以此得到a的取值,然后可根据公式2求得b,从而使系统共振,可将特征频率求出来。
EMD方法的基本思想是将原始信号分解成一系列本征模态函数IMF的组合,
然后根据实际需要,对各个IMF利用进行后续的处理分析和特征提取,如经Hilbert变换求取模式分量的瞬时频率、瞬时幅值或时频谱等特征。
IMF有以下过程获得:
首先找到信号的所有极大值点和极小值点,分别对极大值和极小值进行三次样条函数拟合得到极大值和极小值的包络线,将两个包络线求和取均值便可得到第一个本征模态函数C1(t),然后将原信号减去C1(t),再进行第一步操作,便可得到C2(t)。如此不断往复。一直到第n阶IMF分量Cn(t)或其余量rn(t)小于预设值;或当残余分量rn(t)是单调函数或常量时,EMD分解过程停止。
X(t)-C1(t)=r1(t)
r1(t)-C2(t)=r2(t)
(4)
……
rn-1(t)-Cn(t)=rn(t)
发明内容
针对现有技术中存在的上述不足之处,本发明要解决的技术问题是提供一种基于随机共振以及经验模式分解的基本原理,并且根据离心式压缩机及其半开式叶轮的结构和工作参数的特点的基于随机共振的离心式压缩机半开式叶轮裂纹检测方法。
本发明为实现上述目的所采用的技术方案是:基于随机共振的离心式压缩机半开式叶轮裂纹检测方法,包括以下步骤:
a.经验模式分解与随机共振处理:对采集的压力脉动信号进行经验模式分解,获取评判叶片裂纹有无的特征频率fc;对采集的压力脉动信号进行随机共振处理,再进行频谱分析获取随机共振频谱;
b.倍频分析获取特征频率:在随机共振频谱中寻找特征频率fc及其倍频,如果存在则认为fc即为所要找的特征频率,如果不存在则判断叶片正常、无裂纹;
c.判别裂纹:对比得到的压力脉动信号特征频率是否为轴频,若是轴频则叶片正常,若不是轴频则存在裂纹。
所述经验模式分解包括:叶片通过频率处带通滤波;对滤波信号进行包络处理;经验模式分解;对IMF信号进行FFT变换;获得低频处特征频率fc。
所述随机共振处理包括:对压力脉动信号进行样条插值并进行重采样;时域拉伸整体数据除以有效值;并对随机共振中的双稳系统进行求参数;将参数代入从而保障信号在选定频率附近共振。
所述压力脉动信号由分别安装在离心式压缩机叶轮入口、扩压器入口、扩压器出口处的压力脉动传感器采集而来,并由数据采集分析仪对压力脉动信号进行分析处理。
本发明具有以下优点及有益效果:
能够通过简单快速搭建的离心式压缩机振动信号实时数据采集平台,对离心式压缩机扩压器入口以及出口的压力脉动信号数据进行采集,进而对数据进行数据处理,通过判断故障频率的有无进而可对离心式压缩机半开式叶轮裂纹故障进行识别,进而能够有效避免因叶轮裂纹故障而导致的事故发生。
附图说明
图1为本发明方法中待检测裂纹及应变片位置图;
图2为本发明方法流程图;
图3为本发明方法中经验模式分解流程图;
图4为本发明方法中随机共振处理流程图;
图5为本发明方法中4500rpm应变数据频谱图;
图6为本发明方法中压力脉动信号时域及频域图;
图7为本发明方法中对包络信号的EMD分解后时域图;
图8为本发明方法中第一阶IMF及其频谱图;
图9为本发明方法中随机共振后时域图;
图10为本发明方法中随机共振后频域图;
图11为本发明方法中随机共振后频域放大图。
具体实施方式
下面结合附图及实施例对本发明做进一步的详细说明。
如图1所示,图中a、b、c、d为应变片粘贴位置,其中a、b、c在有裂纹叶片上、d在正常叶片上,叶片裂纹已标出。
本发明方法中硬件平台搭建如下:
离心式压缩机压力脉动信号数据采集平台的搭建:
具有多输入通道及数据处理功能的数据采集系统,该系统由NI4472数据采集卡和东方所DASP采集软件搭建,传感器为PCB106B52型压力脉动传感器;
通过数据采集系统实时采集与显示离心式压缩机压力脉动信号,本发明所研究的是工业用离心式压缩机,对离心式压缩机扩压器入口以及出口的压力脉动信号数据进行采集,进而对数据进行数据处理,证明扩压器入口以及出口的压力脉动数据可以对叶片裂纹进行有效的反映。
叶片应力采集平台的搭建:
具有无限传输功能的叶片应力无线测试系统,该系统由北京必创的四通道SG403/SG404无线应变传感器节点和BS903无线接收网关搭建,应变片为北京必创BF120-2AA(11)GN20-W应变片;
对压缩机的正常与有裂纹叶片进行应力测试,以获得反映叶片故障的特征频率。
叶片应力信号由分别安装在叶片裂纹附近以及无裂纹的叶片上的应变片采集而来,并由无线应力数据采集分析单元对叶片应力信号进行分析处理。
压力脉动信号为不同转速下裂纹为70mm的压缩机压力脉动信号,由分别安装在离心式压缩机叶轮入口、扩压器入口、扩压器出口处的压力脉动传感器采集而来,并由数据采集分析仪对压力脉动信号进行分析处理。
基于随机共振的离心式压缩机半开式叶轮裂纹检测方法,如图2所示,基于随机共振以及经验模式分解的基本原理,并且根据离心式压缩机及其半开式叶轮的结构和工作参数的特点,包括以下步骤:a.经验模式分解与随机共振处理:对采集的压力脉动信号进行经验模式分解,获取评判叶片裂纹有无的特征频率fc;对采集的压力脉动信号进行随机共振处理,再进行频谱分析获取随机共振频谱;b.倍频分析获取特征频率:在随机共振频谱中寻找特征频率fc及其倍频,如果存在则认为fc即为所要找的特征频率,如果不存在则判断叶片正常、无裂纹;c.判别裂纹:对比得到的压力脉动信号特征频率是否为轴频,若是轴频则叶片正常,若不是轴频则存在裂纹。所述轴频为主轴转速/60,轴频会调制到信号中,因此采用判定是否为轴频来判别有无裂纹。
此外,还包括验证步骤:a.频谱分析获取故障频率:对叶片应力信号进行频谱分析得到叶片裂纹故障频率;b.对比特征频率fc与叶片应力信号的故障频率,验证特征频率fc的方法正确性。
如图6所示,为本发明方法中压力脉动信号时域及频域图;其中,叶轮转速为4500rpm,叶片数为13。
经验模式分解:经验模式分解过程如图3所示,包括:叶片通过频率处带通滤波;对滤波信号进行包络处理;经验模式分解;对IMF信号进行FFT变换;获得低频处特征频率fc。图7为本发明方法中对包络信号的EMD分解后时域图;图8为本发明方法中第一阶IMF及其频谱图;图中标注的即为经验模式分解后获取的53Hz左右的特征频率fc。
随机共振处理与频谱分析:随机共振处理过程如图4所示,包括:对压力脉动信号进行样条插值并进行重采样;时域拉伸整体数据除以有效值;并对随机共振中的双稳系统进行求参数;将参数代入从而保障信号在选定频率附近共振。对随机共振处理后的压力脉动信号进行频谱分析如图9、10、11所示,图9为本发明方法中随机共振后时域图,图10为本发明方法中随机共振后频域图,图11为本发明方法中随机共振后频域放大图,图中标注点为53Hz频率及其倍频,可见与EMD分解得到的特征频率fc对应,即为要提取的特征频率。
如图5所示,为本发明方法中4500rpm应变信号数据频谱图,图中四幅图分别为应变片上a、b、c、d四个检测点的应力频谱图,由图中可以看出上述四个检测点都存在75Hz的转频,而叶片上裂纹b、c两点存在53Hz的特征频率,而d点不存在53Hz的特征频率,故认为53Hz为故障频率,因此,验证了本发明方法中如图11所示最终获取的53Hz频率为特征频率的方法是正确的。
Claims (4)
1.基于随机共振的离心式压缩机半开式叶轮裂纹检测方法,其特征在于,包括以下步骤:
a.经验模式分解与随机共振处理:对采集的压力脉动信号进行经验模式分解,获取评判叶片裂纹有无的特征频率fc;对采集的压力脉动信号进行随机共振处理,再进行频谱分析获取随机共振频谱;
b.倍频分析获取特征频率:在随机共振频谱中寻找特征频率fc及其倍频,如果存在则认为fc即为所要找的特征频率,如果不存在则判断叶片正常、无裂纹;
c.判别裂纹:对比得到的压力脉动信号特征频率是否为轴频,若是轴频则叶片正常,若不是轴频则存在裂纹。
2.根据权利要求1所述的基于随机共振的离心式压缩机半开式叶轮裂纹检测方法,其特征在于,所述经验模式分解包括:叶片通过频率处带通滤波;对滤波信号进行包络处理;经验模式分解;对IMF信号进行FFT变换;获得低频处特征频率fc。
3.根据权利要求1所述的基于随机共振的离心式压缩机半开式叶轮裂纹检测方法,其特征在于,所述随机共振处理包括:对压力脉动信号进行样条插值并进行重采样;时域拉伸整体数据除以有效值;并对随机共振中的双稳系统进行求参数;将参数代入从而保障信号在选定频率附近共振。
4.根据权利要求1或3所述的基于随机共振的离心式压缩机半开式叶轮裂纹检测方法,其特征在于,所述压力脉动信号由分别安装在离心式压缩机叶轮入口、扩压器入口、扩压器出口处的压力脉动传感器采集而来,并由数据采集分析仪对压力脉动信号进行分析处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510069313.7A CN105987809A (zh) | 2015-02-10 | 2015-02-10 | 基于随机共振的离心式压缩机半开式叶轮裂纹检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510069313.7A CN105987809A (zh) | 2015-02-10 | 2015-02-10 | 基于随机共振的离心式压缩机半开式叶轮裂纹检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105987809A true CN105987809A (zh) | 2016-10-05 |
Family
ID=57041675
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510069313.7A Pending CN105987809A (zh) | 2015-02-10 | 2015-02-10 | 基于随机共振的离心式压缩机半开式叶轮裂纹检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105987809A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109253882A (zh) * | 2018-10-08 | 2019-01-22 | 桂林理工大学 | 一种基于变分模态分解和灰度共生矩阵的转子裂纹故障诊断方法 |
CN110687124A (zh) * | 2019-10-18 | 2020-01-14 | 佛山科学技术学院 | 一种基于视觉测振及非线性双相干谱的叶片裂纹定位方法 |
CN111239249A (zh) * | 2020-03-18 | 2020-06-05 | 北京工业大学 | 一种基于Hilbert—Huang变换的通风机叶片裂纹故障诊断方法 |
CN111678698A (zh) * | 2020-06-17 | 2020-09-18 | 沈阳建筑大学 | 一种基于声振信号融合的滚动轴承故障检测方法 |
CN113358210A (zh) * | 2021-05-27 | 2021-09-07 | 大连海事大学 | 一种基于压力脉动的增压器涡轮叶片振动监测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110213569A1 (en) * | 2008-11-15 | 2011-09-01 | Mtu Aero Engines Gmbh | Method and device for detecting cracks in compressor blades |
CN103630604A (zh) * | 2012-08-29 | 2014-03-12 | 沈阳鼓风机集团股份有限公司 | 离心式压缩机半开式叶轮裂纹故障识别方法 |
CN103983697A (zh) * | 2014-05-09 | 2014-08-13 | 西安交通大学 | 一种运行状态下离心压缩机叶轮裂纹的频域定量诊断方法 |
CN104165925A (zh) * | 2014-08-06 | 2014-11-26 | 沈阳透平机械股份有限公司 | 随机共振的离心式压缩机半开式叶轮裂纹故障检测方法 |
-
2015
- 2015-02-10 CN CN201510069313.7A patent/CN105987809A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110213569A1 (en) * | 2008-11-15 | 2011-09-01 | Mtu Aero Engines Gmbh | Method and device for detecting cracks in compressor blades |
CN103630604A (zh) * | 2012-08-29 | 2014-03-12 | 沈阳鼓风机集团股份有限公司 | 离心式压缩机半开式叶轮裂纹故障识别方法 |
CN103983697A (zh) * | 2014-05-09 | 2014-08-13 | 西安交通大学 | 一种运行状态下离心压缩机叶轮裂纹的频域定量诊断方法 |
CN104165925A (zh) * | 2014-08-06 | 2014-11-26 | 沈阳透平机械股份有限公司 | 随机共振的离心式压缩机半开式叶轮裂纹故障检测方法 |
Non-Patent Citations (1)
Title |
---|
赵艳菊 等: "《级联双稳随机共振降噪下的经验模式分解》", 《天津大学学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109253882A (zh) * | 2018-10-08 | 2019-01-22 | 桂林理工大学 | 一种基于变分模态分解和灰度共生矩阵的转子裂纹故障诊断方法 |
CN110687124A (zh) * | 2019-10-18 | 2020-01-14 | 佛山科学技术学院 | 一种基于视觉测振及非线性双相干谱的叶片裂纹定位方法 |
CN111239249A (zh) * | 2020-03-18 | 2020-06-05 | 北京工业大学 | 一种基于Hilbert—Huang变换的通风机叶片裂纹故障诊断方法 |
CN111678698A (zh) * | 2020-06-17 | 2020-09-18 | 沈阳建筑大学 | 一种基于声振信号融合的滚动轴承故障检测方法 |
CN111678698B (zh) * | 2020-06-17 | 2022-03-04 | 沈阳建筑大学 | 一种基于声振信号融合的滚动轴承故障检测方法 |
CN113358210A (zh) * | 2021-05-27 | 2021-09-07 | 大连海事大学 | 一种基于压力脉动的增压器涡轮叶片振动监测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104165925B (zh) | 随机共振的离心式压缩机半开式叶轮裂纹故障检测方法 | |
Zheng et al. | Incipient fault detection of rolling bearing using maximum autocorrelation impulse harmonic to noise deconvolution and parameter optimized fast EEMD | |
CN107356432B (zh) | 基于频域窗经验小波共振解调的滚动轴承故障诊断方法 | |
CN103914617B (zh) | 地铁车辆转向架轴承的故障诊断方法 | |
CN102840907B (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 | |
CN105987809A (zh) | 基于随机共振的离心式压缩机半开式叶轮裂纹检测方法 | |
CN105547698A (zh) | 滚动轴承的故障诊断方法及装置 | |
CN105784366A (zh) | 一种变转速下的风电机组轴承故障诊断方法 | |
CN103499445A (zh) | 一种基于时频切片分析的滚动轴承故障诊断方法 | |
CN106769033A (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 | |
Klausen et al. | Multi-band identification for enhancing bearing fault detection in variable speed conditions | |
Yang et al. | Empirical mode decomposition, an adaptive approach for interpreting shaft vibratory signals of large rotating machinery | |
CN103471848A (zh) | 基于独立分量分析和倒频谱理论的滚动轴承故障特征提取方法 | |
CN104215456B (zh) | 一种基于平面聚类和频域压缩感知重构的机械故障诊断方法 | |
Sheng et al. | Applications in bearing fault diagnosis of an improved Kurtogram algorithm based on flexible frequency slice wavelet transform filter bank | |
CN110174270A (zh) | 多源时频脊线提取方法 | |
CN104614182A (zh) | 一种轴承故障检测方法 | |
CN101458158A (zh) | 基于声发射检测的汽轮机滑动轴承故障诊断方法及其装置 | |
CN102928225A (zh) | 一种针对滚动轴承故障诊断的自适应共振解调方法 | |
CN105628176A (zh) | 一种旋转机械扭转振动信号采集分析方法 | |
Wang et al. | Weak fault detection for wind turbine bearing based on ACYCBD and IESB | |
CN105021276A (zh) | 电器故障诊断方法和装置及电器 | |
CN103267652B (zh) | 一种智能早期设备故障在线诊断方法 | |
Wang et al. | A novel hybrid approach for damage identification of wind turbine bearing under variable speed condition | |
Jiang et al. | Differential spectral amplitude modulation and its applications in rolling bearing fault diagnosis |
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: 20161005 |
|
WD01 | Invention patent application deemed withdrawn after publication |