CN108051078B - 一种转速非恒定时叶片振动叶端定时在线监测方法及装置 - Google Patents

Abstract

本发明公开了一种转速非恒定时叶片振动叶端定时在线监测方法及装置，其中方法包括以下步骤：1)获取叶片振动时叶端定时信号序列和转速信号序列；2)构建叶端定时角域均匀采样的叶片振动位移模型；3)建立叶片振动叶端定时角域欠采样重构信号的重构公式；4)计算叶片振动叶端定时角域欠采样重构信号的阶次谱，提取同步振动阶次；5)计算叶片振动叶端定时角域欠采样重构信号的频谱瀑布图，提取异步振动频率。本发明提供的方法可针对转速非恒定的叶端定时测振信号进行重构，且重构信号无阶次混叠，能同时识别叶片的同步和异步振动特性，计算过程简单、易于实现，能用很少的叶端定时传感器识别高阶次振动，节约了安装成本和空间。

Description

一种转速非恒定时叶片振动叶端定时在线监测方法及装置

技术领域

本发明涉及高速叶片振动在线监测技术领域，具体来说，涉及一种转速非恒定时叶片振动叶端定时在线监测方法及装置。

背景技术

高速叶片是燃气轮机、航空发动机等旋转机械中的关键动部件，在极端服役环境下高速叶片容易产生各种故障，这些故障大多由振动引起，包括同步和异步振动。主要原因是高速叶片承受离心力及气动力等循环交变载荷作用，容易诱发高周疲劳损伤，产生微小裂纹；损伤严重时会导致叶片掉角、掉块，甚至直接断裂，产生巨大的安全隐患。为此，对高速叶片产生的振动进行在线监测，研究叶片振动特性并及早发现叶片早期裂纹故障，对于保障旋转机械正常稳定运行、防范重大事故具有重要意义。

高速叶片的振动在线测量一直是旋转机械领域关注的重要难题之一。自20世纪30年代以来，人们研究了各种不同类型的叶片振动监测方法，大致分为接触式和非接触式两类。但接触式测量方法存在安装成本高、信号传输困难等固有缺陷，同时会直接影响高速叶片的振动特性。为了克服接触式监测方法的不足，20世纪60年代开始，人们提出了一种基于叶端定时的非接触式叶片振动在线监测方法。叶端定时测振的基本原理是通过沿圆周方向安装在机匣上的一组叶端定时传感器记录叶片通过传感器的时间，当叶片没有发生振动时，其到达传感器的基准时间只与转速、叶片半径以及传感器安装夹角相关；而当叶片发生振动时，其到达传感器的实际时间会超前或滞后于理论基准时间，产生一个时间差，再对该时间差序列进行处理就可以得到高速叶片叶端的振动位移序列，从而可以估计出叶片的振动特性。但是，叶端定时采样频率取决于转速和传感器数目，而实际中由于传感器安装代价和空间等约束，叶端定时传感器数目一般较少，这使得叶端定时测振信号的采样频率远低于高速叶片的固有频率。因此，叶端定时测振过程不满足奈奎斯特采样定理，是典型的严重欠采样信号，不能真实反映叶片的振动特性，必须对其进行重构。

在经典的高速叶片叶端定时测振及其欠采样信号重构理论中，转速恒定是一个必要的前提条件。但是在实际应用场合中，旋转机械往往需要在工作在不同的转速下，这使得高速叶片的转速往往是在变化的。在转速非恒定情况下，当叶端定时传感器沿圆周方向均匀布置时，每一个传感器采集的振动位移序列都是非均匀的，不符合经典的采样方式，这给振动信号重构与振动特性识别设置了很大的障碍。因此，在传感器均匀布置情况下，如何对转速非恒定时高速叶片叶端定时欠采样测振信号进行高效重构并识别振动特性是一个急需解决的问题。

当前，对叶端定时测振信号重构算法的研究，主要集中于假定转速是恒定的情况，如CN201310460647.8中公开了一种高速叶片欠采样叶端振动信号的无混叠重构方法，该方法通过将叶片振动信号看成是带通信号，基于香农采样定理对所得信号进行均匀重构，但该方法要求转速必须是恒定的，且不能识别同步振动；CN201510882079.X中公开了一种非均匀欠采样叶端定时振动信号重构方法及其装置，多个叶端定时传感器非均匀布置，该方法假定转速是恒定的，从而多个叶端定时传感器的非均匀欠采样信号可以转化为每个叶端定时传感器均匀欠采样信号之和，然后基于周期非均匀采样定理实现叶片振动信号的重构。然而，在转速非恒定时，已有的叶端定时欠采样测振信号重构方法均不再适用，无法获取高速叶片的振动特性。

发明内容

针对相关技术中的上述技术问题，本发明提供一种转速非恒定时的叶片振动叶端定时在线监测方法及装置，该发明解决了现有方法无法对转速非恒定时欠采样叶端定时测振信号进行高效重构，并同时识别高速叶片同步和异步振动的技术问题。

本发明提供一种转速非恒定时的叶片振动叶端定时在线监测方法，包括以下步骤：

步骤S1：在所述叶片的叶片机匣的圆周均匀设置叶端定时传感器，所述叶片的旋转轴的圆周均匀设置至少一个转速参考传感器，在所述叶片旋转N圈后，获取所述叶片振动时叶端定时信号序列和转速信号序列；

步骤S2：将所述叶端定时信号序列转化为等角度采样信号，构建叶端定时角域均匀采样的叶片振动位移模型；

步骤S3：选取待监测的叶片的振动频带，计算其对应的阶次范围，建立所述叶片振动叶端定时角域欠采样重构信号的重构公式；

步骤S4：计算所述叶片振动叶端定时角域欠采样重构信号的阶次谱，提取同步振动阶次；

步骤S5：计算所述叶片振动叶端定时角域欠采样重构信号的频谱瀑布图，提取异步振动频率。

进一步地，所述叶片的旋转轴的圆周上设置有一个基准位置。

进一步地，所述叶片旋转的转速可以为恒定的，也可以为非恒定的，且既可以是转速波动，也可以是变转速。

进一步地，所述步骤S2的具体步骤如下：

基于所述叶端定时传感器均匀设置于所述叶片的叶片机匣的圆周，则无论所述叶片的转速是恒定的还是非恒定的，所述叶片的振动都可以看做是等角度均匀采样，为此可以建立叶端定时振动信号的角域均匀欠采样模型。记M为叶端定时传感器的个数，Q为转速参考传感器的个数，所述叶片旋转第i圈时间为T_i，第k个叶片相对于基准位置的角度为θ_k，第p个叶端定时传感器相对于所述基准位置的安装角为β_p，则第i圈时第k个叶片经过第j个叶端定时传感器的理论到达时间为：

T_i为Q个转速参考传感器第i圈旋转时间的平均值；

当所述叶片振动时，所述叶片通过叶端定时传感器的实际时间比式(1)理论时间要提前或滞后，记为

且

可以通过对转速参考信号序列进行计数计算得到。叶端定时角域均匀采样的第k个叶片振动位移模型为：

其中，R为叶片叶端到旋转中心的半径，n是叶端定时角域均匀采样的序号，π是圆周率，符号

表示往下取整数，mod(n,M)表示n除以M的余数，特别地，当n是M的倍数时约定mod(n,M)＝M。所述叶片振动位移模型是角度的函数，而不是时间的函数。

进一步地，所述步骤S3的具体步骤如下：

针对式(2)所示的叶端定时角域均匀采样的第k个叶片振动位移模型，可以采用阶次分析方法对其进行分析。根据阶次采样理论，使得采样不发生阶次混叠的角域采样间隔必须满足：

其中EO_max是最大阶次，而实际中的角域采样间隔为：

从而角域采样频率为2π/△θ_s＝M，

但是实际中由于安装位置和代价的约束，叶端定时传感器数量并不多，这使得叶端定时角域采样间隔并不满足阶次采样理论，因此必须在角域进行重构才能避免阶次混叠，

根据香农采样理论，假设所述叶片的振动信号为低通信号，其最高阶次为EO^*，则当角域采样频率M>EO^*时，所述叶片的振动信号的角域采样可以利用式(5)进行重构，

其中，θ是连续角度变量，

记叶片振动频带为[f_min,f_max]，将其转化为对应的阶次范围[EO_min,EO_max]，所述阶次范围根据待监测振动频带的最高频率f_max和最低频率f_min、以及叶片的最高转速

和最低转速

来确定，有，

其中，运算符′[]′表示取整数，则中心阶次

为：

阶次带宽B_EO为

B_EO＝EO_max-EO_min (8)

进一步，对角域采样信号x(θ)进行阶次平移，得到变换后的角域采样信号

为：

则

的最高阶次为B_EO/2，当叶端定时角域采样率M>B_EO，则根据公式(5)可以得到第k个叶片振动叶端定时角域欠采样重构信号

为：

其中，

是x_k(n)的角域解析信号，Re表示取实部；

利用式(10)在叶端定时角域采样率大于阶次带宽的条件下，即可无混叠地利用叶端定时角域欠采样信号重构出给定阶次范围内的角域叶片振动信号。进一步，设置角域重采样频率为M_rs>2EO_max，式(10)可以转化为离散形式：

其中，m是角域重采样序号，式(9)、(10)和(11)中，j为虚数单位。

进一步地，所述步骤S4的具体步骤是：

对式(11)进行傅立叶变换得到阶次谱，提取所述叶片的同步振动阶次。

进一步地，所述阶次范围[EO_min,EO_max]小于所述叶端定时传感器的个数M。

本发明的另一方面还提供了一种如上述的转速非恒定时叶片振动叶端定时在线监测方法用的装置，包括叶端定时传感器、至少一个转速参考传感器、叶端定时信号采集与预处理单元以及振动监测主机，其中，所述叶端定时传感器均匀设置于所述叶片机匣的圆周；所述转速参考传感器均匀设置于所述旋转轴的圆周；所述叶端定时传感器和所述转速参考传感器分别与所述叶端定时信号采集与预处理单元电连接；所述叶端定时信号采集与预处理单元与所述振动监测主机电连接。

进一步地，所述旋转轴上设置有一个基准位置。

进一步地，所述叶片以非恒定的转速沿所述叶片机匣的圆周旋转。

本发明的有益效果：

1、本发明提供的方法能够在转速非恒定条件下实现对叶片振动叶端定时欠采样信号进行重构，提高了利用叶端定时方法识别高速叶片振动特性的准确性；

2、本发明提供的方法可针对转速波动或者变转速时的叶端定时测振信号进行重构；

3、本发明提供的方法能同时识别高速叶片的同步和异步振动特性；

4、本发明提供的方法计算过程简单、易于实现，能用很少的叶端定时传感器实现高阶次振动的重构，节约了安装成本和空间；

5、本发明提供的方法重构叶片振动信号无阶次混叠。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明提供的转速非恒定时叶片振动叶端定时在线监测方法流程示意图，

图2是本发明提供的转速非恒定时叶片振动叶端定时在线监测系统结构示意图，

图3是本发明实施例中提供的叶端定时角域均匀采样的叶片振动位移示意图，

图4是本发明实施例中提供的叶片振动叶端定时角域欠采样重构信号示意图，

图5是本发明提供的角域重构信号阶次谱示意图，

图6是本发明提供的角域重构信号频谱瀑布图。

图例说明：

110、第一叶端定时传感器；120、第二叶端定时传感器；130、第三叶端定时传感器；210、叶片；310、转速参考传感器；410、旋转轴；510、叶盘；610、叶片机匣；710、叶端定时信号采集与预处理单元；810、叶片振动在线监控计算机；910、旋转轴上的基准位置。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，有必要指出的是，以下实施只是用于本发明的进一步说明，不能理解为对本发明保护范围的限制，该领域技术熟练人员根据上述本发明内容对本发明做出的一些非本质的改进和调整，仍然属于本发明的保护范围。

下面结合具体实施例阐述本发明一种传感器均匀布置和转速非恒定时的叶片振动叶端定时在线监测方法。这里选取M＝3，Q＝1，即3个叶端定时传感器、1个转速参考传感器，叶片的数目为16，叶片转速从3000RPM线性增加到3600RPM，参见图1，有如下步骤：

(1)在叶片的叶片机匣的圆周均匀设置叶端定时传感器，叶片的旋转轴的圆周均匀设置至少一个转速参考传感器，采集叶片振动时叶端定时信号序列以及转速信号序列，

参见图2，第一叶端定时传感器110、第二叶端定时传感器120和第三叶端定时传感器130均匀放置在机匣610上，相邻两个叶端定时传感器之间的夹角为120度。叶片210的数目共有16个，标号设置为1-16，且相邻叶片之间的夹角相等。转速参考传感器310检测头靠近旋转轴410上的基准位置910。转速参考传感器310和第一叶端定时传感器110、第二叶端定时传感器120和第三叶端定时传感器130的信号传输到叶端定时信号采集与预处理单元710进行存储和预处理，预处理后的叶端定时信号传输到叶片振动在线监控计算机810进行重构和振动特性识别。数字0～15表示16个叶片的编号；

(2)将叶端定时采样信号转化为等角度采样信号，构建叶端定时角域均匀采样的叶片振动位移模型，

叶片210旋转N＝2000圈，第i圈所用时间记为T_i(1≤i≤2000)，第k个叶片相对于基准位置的角度为θ_k(1≤k≤16)，第p个传感器相对于基准位置的安装角为β_p(1≤p≤3)，则第i圈时第k个叶片经过第p个传感器的理论到达时间为：

当叶片210振动时，叶片210通过叶端定时传感器的实际时间比式(12)理论时间要提前或滞后，记为

且

可以利用叶端定时信号采集与预处理单元710对转速参考信号序列进行计数计算得到。于是，叶端定时角域均匀采样的第k个叶片振动位移为：

其中，R＝950mm是叶片叶端到旋转中心的半径，符号

表示往下取整数，mod(n,M)表示n除以M的余数，特别地，当n是M的倍数时约定mod(n,M)＝M，

以第2个叶片为例，根据公式(13)得到的叶端定时角域均匀采样的叶片振动位移x₂(n)如图3所示；

(3)选取待监测的叶片振动频带，计算其对应的阶次范围，建立叶片振动叶端定时角域欠采样重构信号的重构公式，

采用有限元仿真或者实验测试方法，选取叶片210振动监测的频率范围为600Hz-720Hz，则根据公式(6)计算得到对应的阶次范围为[EO_min,EO_max]＝[10,12]，其中心阶次为

利用公式(9)对公式(13)所示的第2个叶片叶端定时角域均匀采样的振动位移x₂(n)平移阶次11，平移后的最高阶次为12-10＝2，由于M＝3>2，因此可以利用公式(10)进行阶次无混叠重构。进一步，取角域重采样频率为M_rs＝20>2EO_max，得到第2个叶片振动叶端定时角采样信号的角域重构重采样信号

如图4所示；

(4)计算叶片振动叶端定时角域欠采样重构信号的阶次谱，提取同步振动阶次，

针对第2个叶片210振动叶端定时角采样信号的角域重构信号

对其在角域进行傅里叶变换得到阶次谱，如图5所示。可以看出：在阶次11和12处有一条水平直线，说明第2个叶片出现在11和12倍频同步振动；

(5)计算叶片振动叶端定时角域欠采样重构信号的频谱瀑布图，提取异步振动频率，

针对第2个叶片210振动叶端定时角采样信号的角域重构信号

计算其频谱瀑布图，如图6所示。可以看出：在650Hz处有一条水平直线，说明第2个叶片存在650Hz的异步振动。

尽管为了说明的目的，已描述了本发明的示例性实施方式，但是本领域的技术人员将理解，不脱离所附权利要求中公开的发明的范围和精神的情况下，可以在形式和细节上进行各种修改、添加和替换等的改变，而所有这些改变都应属于本发明所附权利要求的保护范围，并且本发明要求保护的方法中的各个步骤，可以以任意组合的形式组合在一起。因此，对本发明中所公开的实施方式的描述并非为了限制本发明的范围，而是用于描述本发明。相应地，本发明的范围不受以上实施方式的限制，而是由权利要求或其等同物进行限定。

Claims (6)

1.一种转速非恒定时叶片振动叶端定时在线监测方法，其特征在于，包括以下步骤：

步骤S1：在所述叶片的叶片机匣的圆周均匀设置叶端定时传感器，所述叶片的旋转轴的圆周均匀设置至少一个转速参考传感器，在所述叶片旋转N圈后，获取所述叶片振动时叶端定时信号序列和转速信号序列；

步骤S2：将所述叶端定时信号序列转化为等角度采样信号，构建叶端定时角域均匀采样的叶片振动位移模型；

步骤S3：针对待监测的叶片的振动频带，计算其对应的阶次范围，建立所述叶片振动叶端定时角域欠采样重构信号的重构公式；

步骤S4：计算所述叶片振动叶端定时角域欠采样重构信号的阶次谱，提取同步振动阶次；

步骤S5：计算所述叶片振动叶端定时角域欠采样重构信号的频谱瀑布图，提取异步振动频率；

所述步骤S2的具体步骤如下：

基于所述叶端定时传感器均匀设置于所述叶片的叶片机匣的圆周，则无论所述叶片的转速是恒定的还是非恒定的，所述叶片的振动都可以看做是等角度均匀采样，为此可以建立叶端定时振动信号的角域均匀欠采样模型；记M为叶端定时传感器的个数，Q为转速参考传感器的个数，所述叶片旋转第i圈时间为T_i，第k个叶片相对于基准位置的角度为θ_k，第p个叶端定时传感器相对于所述基准位置的安装角为β_p，则第i圈时第k个叶片经过第p个叶端定时传感器的理论到达时间为：

T_i为Q个转速参考传感器第i圈旋转时间的平均值；

当所述叶片振动时，所述叶片通过叶端定时传感器的实际时间比式(1)理论到达时间要提前或滞后，记为

叶端定时角域均匀采样的第k个叶片振动位移模型为：

其中，R为叶片叶端到旋转中心的半径，n是叶端定时角域均匀采样的序号，π是圆周率，符号′

′表示往下取整数，mod(n,M)表示n除以M的余数，特别地，当n是M的倍数时约定mod(n,M)＝M。

2.根据权利要求1所述的转速非恒定时叶片振动叶端定时在线监测方法，其特征在于，所述步骤S1中，所述叶片的旋转轴的圆周上设置有一个基准位置。

3.根据权利要求1所述的转速非恒定时叶片振动叶端定时在线监测方法，其特征在于，所述步骤S1中，所述叶片旋转的转速为非恒定的。

4.根据权利要求1所述的转速非恒定时叶片振动叶端定时在线监测方法，其特征在于，所述步骤S3的具体步骤如下：

根据阶次采样理论，使得采样不发生阶次混叠的角域采样间隔必须满足：

其中EO_max是最大阶次，π是圆周率，而实际中的角域采样间隔为：

从而角域采样频率为2π/Δθ_s＝M；

根据香农采样理论，假设所述叶片的振动信号为低通信号，其最高阶次为EO^*，则当角域采样频率M＞EO^*时，所述叶片的振动信号的角域采样可以利用式(5)进行重构；

其中，θ是连续角度变量；

记叶片振动频带为[f_min,f_max]，将其转化为对应的阶次范围[EO_min,EO_max]，且有，

其中，运算符′[]′表示取整数，

分别为叶片的最低转频和最高转频，则中心阶次

为：

阶次带宽B_EO为

B_EO＝EO_max-EO_min (8)

进一步，对角域采样信号x(θ)进行阶次平移，得到变换后的角域采样信号

为：

则

的最高阶次为B_EO/2，当叶端定时角域采样率M＞B_EO，则根据公式(5)可以得到第k个叶片振动叶端定时角域欠采样重构信号

为：

其中，

是x_k(n)的角域解析信号，Re表示取实部；

当叶端定时角域采样率大于阶次带宽，且角域重采样频率M_rs＞2EO_max时，式(10)可以转化为离散形式：

其中，式(9)、(10)和(11)中，j为虚数单位。

5.根据权利要求1所述的转速非恒定时叶片振动叶端定时在线监测方法，其特征在于，所述步骤S4的具体步骤是：

对式(11)进行傅立叶变换得到阶次谱，提取所述叶片的同步振动阶次。

6.根据权利要求4所述的转速非恒定时叶片振动叶端定时在线监测方法，其特征在于，所述阶次范围[EO_min,EO_max]小于所述叶端定时传感器的个数M。

Images