CN110457861A - 一种机载涡轴发动机动力系统可视化诊断平台及构建方法 - Google Patents
一种机载涡轴发动机动力系统可视化诊断平台及构建方法 Download PDFInfo
- Publication number
- CN110457861A CN110457861A CN201910779456.5A CN201910779456A CN110457861A CN 110457861 A CN110457861 A CN 110457861A CN 201910779456 A CN201910779456 A CN 201910779456A CN 110457861 A CN110457861 A CN 110457861A
- Authority
- CN
- China
- Prior art keywords
- turboshaft engine
- dynamical system
- fault
- measuring point
- diagnosis
- 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.)
- Granted
Links
- 238000005183 dynamical system Methods 0.000 title claims abstract description 110
- 238000003745 diagnosis Methods 0.000 title claims abstract description 81
- 238000010276 construction Methods 0.000 title claims abstract description 6
- 238000000034 method Methods 0.000 claims abstract description 53
- 230000004044 response Effects 0.000 claims abstract description 45
- 238000004088 simulation Methods 0.000 claims abstract description 38
- 238000012800 visualization Methods 0.000 claims abstract description 23
- 238000012360 testing method Methods 0.000 claims abstract description 18
- 230000008569 process Effects 0.000 claims abstract description 11
- 238000007726 management method Methods 0.000 claims description 26
- 239000003638 chemical reducing agent Substances 0.000 claims description 22
- 238000012544 monitoring process Methods 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 10
- 238000013461 design Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 9
- 230000004927 fusion Effects 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 7
- 238000013079 data visualisation Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 6
- 230000002452 interceptive effect Effects 0.000 claims description 6
- 230000007257 malfunction Effects 0.000 claims description 6
- 238000003672 processing method Methods 0.000 claims description 6
- 210000004209 hair Anatomy 0.000 claims description 5
- 238000009434 installation Methods 0.000 claims description 5
- 238000005452 bending Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 4
- 230000009429 distress Effects 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 claims description 4
- 230000008450 motivation Effects 0.000 claims description 4
- 238000012546 transfer Methods 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 238000005267 amalgamation Methods 0.000 claims description 3
- 230000008878 coupling Effects 0.000 claims description 3
- 238000010168 coupling process Methods 0.000 claims description 3
- 238000005859 coupling reaction Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000013499 data model Methods 0.000 claims description 3
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 230000006978 adaptation Effects 0.000 claims description 2
- 238000005538 encapsulation Methods 0.000 claims 1
- 238000012545 processing Methods 0.000 claims 1
- 230000008901 benefit Effects 0.000 abstract description 4
- 238000002405 diagnostic procedure Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 11
- 230000005540 biological transmission Effects 0.000 description 10
- 239000000306 component Substances 0.000 description 9
- 230000004888 barrier function Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000002485 combustion reaction Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 239000000567 combustion gas Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 241000219000 Populus Species 0.000 description 1
- 208000037656 Respiratory Sounds Diseases 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 239000002737 fuel gas Substances 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000013003 hot bending Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 230000033772 system development Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M15/00—Testing of engines
- G01M15/14—Testing gas-turbine engines or jet-propulsion engines
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Combustion & Propulsion (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种机载涡轴发动机动力系统可视化诊断平台及构建方法,其包括涡轴发动机动力系统完备故障模式仿真模型、涡轴发动机动力系统完备故障模式可测点振动响应数据库、涡轴发动机动力系统可视化故障诊断模块;涡轴发动机动力系统完备故障模式仿真模型建立了各种典型故障模式下的虚拟样机模型,能进行仿真并采集可测点故障振动响应数据;涡轴发动机动力系统完备故障模式可测点振动响应数据库由虚拟样机模拟数据子库与台架应用过程中积累的测试数据子库组成。本发明具有诊断方法全面、准确的判断涡轴发动机动力系统发生的故障及故障类型、位置和严重程度,实现对涡轴发动机及其传动系统故障的可视化诊断的优点。
Description
技术领域
本发明涉及航空发动机领域,具体而言,涉及一种机载涡轴发动机动力系统可视化诊断平台及构建方法。
背景技术
航空涡轴发动机是一种输出轴功率的燃气涡轮发动机,主要用于直升机,相比于其他类型的航空发动机,它是靠高压燃气驱动动力涡轮带动传动系统,将动力传递给旋翼和尾桨。涡轴发动机及其传动系统通常被当做一个有机整体来进行研究与设计,总称为涡轴发动机动力系统,一般包括涡轴发动机、主减系统、中/尾减系统等,是直升机动力系统最关键的核心部件,不同类型的涡轴发动机动力系统的结构也不尽相同。
涡轴发动机动力系统故障一直是威胁直升机安全的重要问题,随着我国对直升机数量的需求逐渐增大,以涡轴发动机为代表的中小型发动机的地位也日益提高,对其安全性能及寿命的要求也越来越高。加强涡轴发动机动力系统典型故障机理的基础性研究、运行状态监测和故障诊断技术的应用性研究越发重要,提高涡轴发动机动力系统的可靠性、降低事故的发生率已经刻不容缓。
1.与涡扇等航空发动机相比,涡轴发动机动力系统的工况与故障特点主要体现在以下几个方面:
(1)涡轴发动机运行转速更高。涡轴发动机工作时,经过压气机压缩后的高压空气进入燃烧室,与燃油喷嘴喷出的燃油混合形成油气混合气,经点火燃烧成为燃气,向后膨胀加速,燃气温度平均可达1300℃,流速可达230m/s,高温、高速的燃气从燃烧室后部喷出冲击涡轮装置,推动涡轮高速旋转,工作转速高达20000r/min,已经跨越一阶弯曲临界转速工作,燃发转子转速高达50000r/min。在高温、高速工作环境,转子容易发生热弯曲变形,引发转子不平衡、碰摩故障,裂纹、磨损等故障,导致涡轴发动机可靠性大大降低。
(2)涡轴发动机常面临大变载、强过载工况。直升机常常飞行在低空、超低空领域,面临该空域恶劣的灰尘、水雾、多变风载环境,需要满足敏捷运动、长时悬停、武器攻击等飞行任务,极易造成涡轴发动机动力系统工况急速改变,轴输出功率不平稳,载荷变化大,短时过载问题。在这种复杂工况下,相对其他类型发动机系统,涡轴发动机动力系统故障更容易发生,这使得对涡轴发动机动力系统运行状态的预估存在极大的困难,对涡轴发动机动力系统进行状态监测更为重要。
(3)涡轴发动机驱动动力必须通过传动系统传递。涡轴发动机传动系统中以行星轮系为典型结构的主减系统、以螺旋锥齿轮系为典型结构的中/尾减系统将涡轴发动机的动力传递到旋翼和尾桨,传动比大、传递环节多、传递路径长、零部件众多、接合面复杂、故障模式特殊。涡轴发动机动力系统中发动机常采用双发或三发而其传动系统只有一套的配置方案,传动系统无冗余。
2.涡轴发动机动力系统动力学建模与故障诊断面临的问题。涡轴发动机动力系统的研制相对还比较落后,还主要以仿制为主,许多关键技术还没有完全掌握,涡轴发动机动力系统故障诊断技术缺乏,这导致涡轴发动机及其传动系统可靠性和安全性无法满足应用需求,常常采取以缩短服役时间的方式来提高可靠性,即便如此安全事故仍有发生。可见涡轴发动机故障诊断技术是制约我国设计/制造具有高功重比、长寿命特点的四代/五代机的技术瓶颈,开展涡轴发动机动力系统故障诊断研究越来越引起人们的重视,但面临许多问题,主要体现在:
(1)典型故障振动响应特征不明。由于涡轴发动机动力系统除了涡轴发动机外,还包含主减、中/尾减,结构、载荷和故障模式复杂,已有动力学模型建立在简化的结构和载荷基础上,模型建立不准确导致故障响应与实际故障响应相差很大。实际故障振动响应特性不明确无法准确判断系统是否发生了故障及故障发生的类型、位置及严重程度。
(2)故障信号难以直接监测。在对转子进行故障监测时,传感器一般安装在离故障源最近处,以便获得最强的故障振动响应,由于涡轴发动机典型故障易发部件处于高温、高压的狭小空间内,主减、中/尾减典型故障易发部件也处于狭小的空间内,传感器无法安装在内部故障响应最强处。在进行试验台模拟故障实验时,仅可将振动传感器安装在涡轴发动机的机匣及安装节、主减和中/尾减的箱体及支座等外部位置,但内部故障信号从故障源传递到外部测点时很大程度上衰减,常规方法无法在传感器外部安装点获取内部故障有效的故障信息,无法满足实际机载监测的要求。
(3)适应性诊断方法缺乏。由于涡轴发动机及其传动系统结构和载荷条件各异、故障模式及故障振动响应特征复杂多样,虽然目前故障诊断方法有许多,但专门针对涡轴发动机动力系统典型故障的特点,适应性诊断方法较少,导致涡轴发动机故障诊断效率低,无法满足实际故障诊断的要求。
(4)故障模式库不完备。故障模式库的建立主要有三种方法,第一种是通过收集实际故障事故数据来建立,但实际事故数据往往以实际事故为代价,且故障数据非常有限,故通过这种方式来建立完备模式库不现实。第二种方法是通过实验研究来建立,通过在试验台上进行大量的实验,获取每种故障的振动响应特征,但这种方法繁琐、周期长、成本大,难以形成完备故障库。第三种方式是采用虚拟样机技术,通过计算机软件对各种故障模式,载荷形式进行自动模拟,这种方法具有成本低、周期短的特点,通过虚拟样机模拟故障获取故障特征库数据在武器装备领域已有应用,但目前航空发动机领域研究较少。没有建立完备的涡轴发动机及其传动系统故障模式库,则无法实现对涡轴发动机及其传动系统故障的有效诊断。
现在虽然有做航空发动机可视化系统软件的,如西北工业大学的曾亮等开发的航空发动机装配数字化系统将航空发动机装配过程进行可视化,帮助装配人员更快更合理的装配产品。北京瑞赛长城测控技术有限公司的杨占才等开发的航空发动机试车数据可视化软件。但主要是对航空发动机的设计、生产、制造过程进行可视化,专门针对航空发动机(包括涡轴发动机动力系统)故障诊断和健康维护的虚拟样机可视化系统较为少见。
综上所述,需要开发或者需要改进一种可用于机载的涡轴发动机动力系统可视化诊断平台来解决上述的技术问题。
发明内容
本发明的目的在于提供一种机载涡轴发动机动力系统可视化诊断平台及构建方法以解决所述问题。
为了实现上述目的,本发明采用如下技术方案:
一种机载涡轴发动机动力系统可视化诊断平台,其特征在于,包括涡轴发动机动力系统完备故障模式仿真模型、涡轴发动机动力系统完备故障模式可测点振动响应数据库、涡轴发动机动力系统可视化故障诊断模块;所述涡轴发动机动力系统完备故障模式仿真模型建立了各种典型故障模式下的涡轴发动机动力系统虚拟样机模型,能进行仿真并采集可测点故障振动响应数据;所述涡轴发动机动力系统完备故障模式可测点振动响应数据库由虚拟样机模拟数据子库与台架应用过程中积累的测试数据子库组成,通过对二者进行知识封装形成故障诊断知识库;所述涡轴发动机动力系统虚拟样机可视化故障诊断模块通过集成动力系统故障诊断知识获取与表达方法、适应性信息融合诊断方法、动力系统故障诊断流程的动态可视化及计算机编程技术,实现动力系统故障交互式动态可视化诊断。
优选的是,所述的涡轴发动机动力系统完备故障模式仿真模型集成了涡轴发动机全寿命周期虚拟样机仿真模型、主减速器全寿命周期虚拟样机仿真模型和中尾减速器全寿命周期虚拟样机仿真模型,虚拟样机仿真模型是正常状态与不同类型、程度、位置故障动力学模型的集成,可模拟仿真涡轴发动机、主减速器和中尾减速器全寿命周期的各个运行状态,包括正常状态和各种类型、程度、位置的故障状态,各部件动力学模型均具有通用性和普适性。
优选的是,所述的可测点是根据涡轴发动机、主减速和中尾减速器承力系统结构特点,基于正常状态与不同类型、程度、位置故障动力学模型,分析转子不平衡、转子热弯曲、支承不对中、联轴器不对中、转/静碰摩、轴承故障和齿轮故障等典型故障振动信号传递至机匣的振动传递路径,结合各类典型故障引起机匣振动响应情况,寻找机匣振动响应对典型故障最为敏感的多个备选机匣监测点位置,通过全局遍历初选能覆盖各类典型故障的机匣监测点集。
优选的是,所述的适应性信息融合诊断方法,对各类典型故障采用最适应的信号处理方法进行信号预处理,充分利用机匣可测点多个振动传感器信息的相似性和互补性,采用基于流行学习的多传感器信息融合方法,通过局部保持投影,提取并增强有效的故障特征信息,实现各类典型故障特征增强,从而达到各类典型故障的可诊断效果。
优选的是,涡轴发动机动力系统可视化故障诊断模块结合可测点布局方案及适应性信息融合故障诊断方法,对涡轴发动机、主减速器、中尾减速器的特征提取与故障诊断方法进行集成,在可视化诊断平台中形成面向可监测点振动响应数据的统一算法接口,实现动力系统特征提取与故障诊断方法集成。
优选的是,涡轴发动机动力系统虚拟样机在可测点所获得的正常状态和各种类型、程度、位置故障状态的振动仿真数据,与台架试车上相应可测点实测振动数据对比,验证全寿命周期虚拟样机模型正确性。
优选的是,涡轴发动机动力系统完备故障模式可测点振动响应数据库能实现工况、故障模式、故障响应等各关系数据模型之间的映射关系,对数据库维护、更新,以及数据建模、数据分析、数据可视化等数据读取操作提供便利的数据读/写接口。
优选的是,涡轴发动机动力系统虚拟样机可视化故障诊断模块对故障诊断流程中的数据流进行梳理、分门别类,每种类型数据设计合理的可视化效果;利用计算机图形学方法,调用数据可视化函数库,实现动态图表、三维图表等多样化的可视化方法以及同用户的交互功能。
优选的是,轴发动机动力系统虚拟样机可视化故障诊断模块借助相应计算机系统平台,对基于虚拟样机的动力系统可视化故障诊断软件系统进行编程予以实现,开发出涡轴发动机动力系统可视化故障诊断平台客户端软件。
本发明还公开了一种构建方法,其特征在于,其包括1-9任一项所述的机载涡轴发动机动力系统可视化诊断平台,其步骤包括:
步骤1:涡轴发动机、主减速和中尾减速器的正常状态与典型故障状态动力学建模;
步骤2:基于动力学模型,分析典型故障振动信号传递至机匣的振动传递路径,结合涡轴发动机、主减速和中尾减速器承力系统结构特点,优选各类典型故障到机匣监测点集,确定可测点;
步骤3:通过正常状态与不同类型、程度、位置故障状态动力学模型的集成,构建涡轴发动机全寿命周期虚拟样机仿真模型、主减速器全寿命周期虚拟样机仿真模型和中尾减速器全寿命周期虚拟样机仿真模型;
步骤4:提取全寿命周期虚拟样机仿真模型可测点振动响应信号,采用各类典型故障最适应的信号处理方法对振动信号进行特征提取与特征分析,在此基础上构建完备故障模式可测点可测点振动响应数据库的虚拟样机模拟数据子库;
步骤5:借助计算机系统平台,开发涡轴发动机动力系统可视化故障诊断平台客户端软件;
步骤6:在涡轴发动机、主减速和中尾减速器的试车台架上可测点位置安装振动传感器,通过涡轴发动机动力系统可视化故障诊断软件平台对可测点振动信号进行实时采集,实测数据用于扩充完备故障模式可测点可测点振动响应数据库,以及全寿命周期虚拟样机的验证;
步骤7:涡轴发动机动力系统可视化诊断平台通过对台架试车可测点实测数据进行分析,对涡轴发动机动力系统的运行状态予以可视化诊断。
本发明所取得的有益效果是:
本发明通过建立涡轴发动机虚拟样机完备故障模式仿真模型及完备的故障模式响应数据库,利用适应性信息融合诊断方法全面,通过机匣上有限个可测点振动信号,准确的判断涡轴发动机动力系统发生的故障及故障类型、位置和严重程度,实现对涡轴发动机及其传动系统故障的可视化诊断。
附图说明
从以下结合附图的描述可以进一步理解本发明。图中的部件不一定按比例绘制,而是将重点放在示出实施例的原理上。在不同的视图中,相同的附图标记指定对应的部分。
图1是本发明实施例中的涡轴发动机动力系统可视化诊断平台结构框体及工作示意图;
图2是本发明实施例中的涡轴发动机动力系统完备故障模式仿真模型开发流程图;
图3是本发明实施例中的涡轴发动机动力系统完备故障模式可测点振动响应数据库开发流程图;
图4是本发明实施例中的涡轴发动机动力系统可视化故障诊断软件开发流程图。
具体实施方式
下面结合附图和实施例对本发明进行进一步说明。
为了使得本发明的目的、技术方案及优点更加清楚明白,以下结合其实施例,对本发明进行进一步详细说明;应当理解,此处所描述的具体实施例仅用于解释本发明,并不用于限定本发明。对于本领域技术人员而言,在查阅以下详细描述之后,本实施例的其它系统、方法和/或特征将变得显而易见。旨在所有此类附加的系统、方法、特征和优点都包括在本说明书内、包括在本发明的范围内,并且受所附权利要求书的保护。在以下详细描述描述了所公开的实施例的另外的特征,并且这些特征根据以下将详细描述将是显而易见的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件;在本发明的描述中,需要理解的是,若有术语“上”、“下”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或组件必须具有特定的方位、以特定的方位构造和操作,因此附图中描述位置关系的用语仅用于示例性说明,不能理解为对本专利的限制,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
如图1所示,本实施例中的以机械系统运动学、动力学为核心,借助三维计算机图形技术、基于图形的用户界面技术、信息技术、集成技术等,构建交互性、动态性的可视化诊断平台。包括涡轴发动机动力系统完备故障模式仿真模型、涡轴发动机动力系统完备故障模式可测点振动响应数据库、涡轴发动机动力系统可视化故障诊断模块。所述涡轴发动机动力系统完备故障模式仿真模型建立了各种典型故障模式下的涡轴发动机动力系统虚拟样机模型,能进行仿真并采集可测点故障振动响应数据;所述涡轴发动机动力系统完备故障模式可测点振动响应数据库由虚拟样机模拟数据子库与台架应用过程中积累的测试数据子库组成,通过对二者进行知识封装形成故障诊断知识库;所述涡轴发动机动力系统虚拟样机可视化故障诊断模块通过集成动力系统故障诊断知识获取与表达方法、适应性信息融合诊断方法、动力系统故障诊断流程的动态可视化及计算机编程技术,实现动力系统故障交互式动态可视化诊断。
如图2所示,涡轴发动机动力系统完备故障模式仿真模型集成了涡轴发动机全寿命周期虚拟样机仿真模型、主减速器全寿命周期虚拟样机仿真模型和中尾减速器全寿命周期虚拟样机仿真模型,虚拟样机仿真模型是正常状态与不同类型、程度、位置故障(包括转子不平衡、转子热弯曲、支承不对中、联轴器不对中、转/静碰摩、轴承故障和齿轮故障等)动力学模型的集成,可模拟仿真涡轴发动机、主减速器和中尾减速器全寿命周期的各个运行状态,包括正常状态和各种类型、程度、位置的故障状态,各部件动力学模型均具有通用性和普适性。
可测点是根据涡轴发动机、主减速和中尾减速器承力系统结构特点,基于正常状态与不同类型、程度、位置故障动力学模型,分析转子不平衡、转子热弯曲、支承不对中、联轴器不对中、转/静碰摩、轴承故障和齿轮故障等典型故障振动信号传递至机匣的振动传递路径,结合各类典型故障引起机匣振动响应情况,寻找机匣振动响应对典型故障最为敏感的多个备选机匣监测点位置,通过全局遍历初选能覆盖各类典型故障的机匣监测点集。
适应性信息融合诊断方法,对各类典型故障采用最适应的信号处理方法进行信号预处理,充分利用机匣可测点多个振动传感器信息的相似性和互补性,采用基于流行学习的多传感器信息融合方法,通过局部保持投影,提取并增强有效的故障特征信息,实现各类典型故障特征增强,从而达到各类典型故障的可诊断效果。
涡轴发动机动力系统可视化故障诊断模块结合可测点布局方案及适应性信息融合故障诊断方法,对涡轴发动机、主减速器、中尾减速器的特征提取与故障诊断方法进行集成,在可视化诊断平台中形成面向可监测点振动响应数据的统一算法接口,实现动力系统特征提取与故障诊断方法集成。
涡轴发动机动力系统虚拟样机在可测点所获得的正常状态和各种类型、程度、位置故障状态的振动仿真数据,与台架试车上相应可测点实测振动数据对比,验证全寿命周期虚拟样机模型正确性。
如图3所示,涡轴发动机动力系统完备故障模式可测点振动响应数据库能实现工况、故障模式、故障响应等各关系数据模型之间的映射关系,对数据库维护、更新,以及数据建模、数据分析、数据可视化等数据读取操作提供便利的数据读/写接口。
如图4所示,涡轴发动机动力系统虚拟样机可视化故障诊断模块对故障诊断流程中的数据流进行梳理、分门别类,每种类型数据设计合理的可视化效果;利用计算机图形学方法,调用数据可视化函数库,实现动态图表、三维图表等多样化的可视化方法以及同用户的交互功能。
涡轴发动机动力系统虚拟样机可视化故障诊断模块借助相应计算机系统平台,对基于虚拟样机的动力系统可视化故障诊断软件系统进行编程予以实现,开发出涡轴发动机动力系统可视化故障诊断平台客户端软件。其具体步骤如下:
步骤1:涡轴发动机、主减速和中尾减速器的正常状态与典型故障状态动力学建模;
步骤2:基于动力学模型,分析典型故障振动信号传递至机匣的振动传递路径,结合涡轴发动机、主减速和中尾减速器承力系统结构特点,优选各类典型故障到机匣监测点集,确定可测点;
步骤3:通过正常状态与不同类型、程度、位置故障状态动力学模型的集成,构建涡轴发动机全寿命周期虚拟样机仿真模型、主减速器全寿命周期虚拟样机仿真模型和中尾减速器全寿命周期虚拟样机仿真模型;
步骤4:提取全寿命周期虚拟样机仿真模型可测点振动响应信号,采用各类典型故障最适应的信号处理方法对振动信号进行特征提取与特征分析,在此基础上构建完备故障模式可测点可测点振动响应数据库的虚拟样机模拟数据子库;
步骤5:借助计算机系统平台,开发涡轴发动机动力系统可视化故障诊断平台客户端软件;
步骤6:在涡轴发动机、主减速和中尾减速器的试车台架上可测点位置安装振动传感器,通过涡轴发动机动力系统可视化故障诊断软件平台对可测点振动信号进行实时采集,实测数据用于扩充完备故障模式可测点可测点振动响应数据库,以及全寿命周期虚拟样机的验证。
步骤7:涡轴发动机动力系统可视化诊断平台通过对台架试车可测点实测数据进行分析,对涡轴发动机动力系统的运行状态予以可视化诊断。
虽然上面已经参考各种实施例描述了本发明,但是应当理解,在不脱离本发明的范围的情况下,可以进行许多改变和修改。也就是说上面讨论的方法,系统和设备是示例。各种配置可以适当地省略,替换或添加各种过程或组件。例如,在替代配置中,可以以与所描述的顺序不同的顺序执行方法,和/或可以添加,省略和/或组合各种部件。而且,关于某些配置描述的特征可以以各种其他配置组合,如可以以类似的方式组合配置的不同方面和元素。此外,随着技术发展其中的元素可以更新,即许多元素是示例,并不限制本公开或权利要求的范围。
在说明书中给出了具体细节以提供对包括实现的示例性配置的透彻理解。然而,可以在没有这些具体细节的情况下实践配置例如,已经示出了众所周知的电路,过程,算法,结构和技术而没有不必要的细节,以避免模糊配置。该描述仅提供示例配置,并且不限制权利要求的范围,适用性或配置。相反,前面对配置的描述将为本领域技术人员提供用于实现所描述的技术的使能描述。在不脱离本公开的精神或范围的情况下,可以对元件的功能和布置进行各种改变。
综上,其旨在上述详细描述被认为是例示性的而非限制性的,并且应当理解,以下权利要求(包括所有等同物)旨在限定本发明的精神和范围。以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后,技术人员可以对本发明作各种改动或修改,这些等效变化和修饰同样落入本发明权利要求所限定的范围。
Claims (10)
1.一种机载涡轴发动机动力系统可视化诊断平台,其特征在于,包括涡轴发动机动力系统完备故障模式仿真模型、涡轴发动机动力系统完备故障模式可测点振动响应数据库、涡轴发动机动力系统可视化故障诊断模块;所述涡轴发动机动力系统完备故障模式仿真模型建立了各种典型故障模式下的涡轴发动机动力系统虚拟样机模型,能进行仿真并采集可测点故障振动响应数据;所述涡轴发动机动力系统完备故障模式可测点振动响应数据库由虚拟样机模拟数据子库与台架应用过程中积累的测试数据子库组成,通过对二者进行知识封装形成故障诊断知识库;所述涡轴发动机动力系统虚拟样机可视化故障诊断模块通过集成动力系统故障诊断知识获取与表达方法、适应性信息融合诊断方法、动力系统故障诊断流程的动态可视化及计算机编程技术,实现动力系统故障交互式动态可视化诊断。
2.根据权利要求1所述的一种机载涡轴发动机动力系统可视化诊断平台,其特征在于,所述的涡轴发动机动力系统完备故障模式仿真模型集成了涡轴发动机全寿命周期虚拟样机仿真模型、主减速器全寿命周期虚拟样机仿真模型和中尾减速器全寿命周期虚拟样机仿真模型,虚拟样机仿真模型是正常状态与不同类型、程度、位置故障动力学模型的集成,可模拟仿真涡轴发动机、主减速器和中尾减速器全寿命周期的各个运行状态,包括正常状态和各种类型、程度、位置的故障状态,各部件动力学模型均具有通用性和普适性。
3.根据权利要求1所述的一种机载涡轴发动机动力系统可视化诊断平台,其特征在于,所述的可测点是根据涡轴发动机、主减速和中尾减速器承力系统结构特点,基于正常状态与不同类型、程度、位置故障动力学模型,分析转子不平衡、转子热弯曲、支承不对中、联轴器不对中、转/静碰摩、轴承故障和齿轮故障等典型故障振动信号传递至机匣的振动传递路径,结合各类典型故障引起机匣振动响应情况,寻找机匣振动响应对典型故障最为敏感的多个备选机匣监测点位置,通过全局遍历初选能覆盖各类典型故障的机匣监测点集。
4.根据权利要求1所述的一种机载涡轴发动机动力系统可视化诊断平台,其特征在于,所述的适应性信息融合诊断方法,对各类典型故障采用最适应的信号处理方法进行信号预处理,充分利用机匣可测点多个振动传感器信息的相似性和互补性,采用基于流行学习的多传感器信息融合方法,通过局部保持投影,提取并增强有效的故障特征信息,实现各类典型故障特征增强,从而达到各类典型故障的可诊断效果。
5.根据权利要求1所述的一种机载涡轴发动机动力系统可视化诊断平台,其特征在于,涡轴发动机动力系统可视化故障诊断模块结合可测点布局方案及适应性信息融合故障诊断方法,对涡轴发动机、主减速器、中尾减速器的特征提取与故障诊断方法进行集成,在可视化诊断平台中形成面向可监测点振动响应数据的统一算法接口,实现动力系统特征提取与故障诊断方法集成。
6.根据权利要求1所述的一种机载涡轴发动机动力系统可视化诊断平台,其特征在于,涡轴发动机动力系统虚拟样机在可测点所获得的正常状态和各种类型、程度、位置故障状态的振动仿真数据,与台架试车上相应可测点实测振动数据对比,验证全寿命周期虚拟样机模型正确性。
7.根据权利要求1所述的一种机载涡轴发动机动力系统可视化诊断平台,其特征在于,涡轴发动机动力系统完备故障模式可测点振动响应数据库能实现工况、故障模式、故障响应等各关系数据模型之间的映射关系,对数据库维护、更新,以及数据建模、数据分析、数据可视化等数据读取操作提供便利的数据读/写接口。
8.根据权利要求1所述的一种机载涡轴发动机动力系统可视化诊断平台,其特征在于,涡轴发动机动力系统虚拟样机可视化故障诊断模块对故障诊断流程中的数据流进行梳理、分门别类,每种类型数据设计合理的可视化效果;利用计算机图形学方法,调用数据可视化函数库,实现动态图表、三维图表等多样化的可视化方法以及同用户的交互功能。
9.根据权利要求1所述的一种机载涡轴发动机动力系统可视化诊断平台,其特征在于,轴发动机动力系统虚拟样机可视化故障诊断模块借助相应计算机系统平台,对基于虚拟样机的动力系统可视化故障诊断软件系统进行编程予以实现,开发出涡轴发动机动力系统可视化故障诊断平台客户端软件。
10.一种构建方法,其特征在于,其包括1-9任一项所述的机载涡轴发动机动力系统可视化诊断平台,其步骤包括:
步骤1:涡轴发动机、主减速和中尾减速器的正常状态与典型故障状态动力学建模;
步骤2:基于动力学模型,分析典型故障振动信号传递至机匣的振动传递路径,结合涡轴发动机、主减速和中尾减速器承力系统结构特点,优选各类典型故障到机匣监测点集,确定可测点;
步骤3:通过正常状态与不同类型、程度、位置故障状态动力学模型的集成,构建涡轴发动机全寿命周期虚拟样机仿真模型、主减速器全寿命周期虚拟样机仿真模型和中尾减速器全寿命周期虚拟样机仿真模型;
步骤4:提取全寿命周期虚拟样机仿真模型可测点振动响应信号,采用各类典型故障最适应的信号处理方法对振动信号进行特征提取与特征分析,在此基础上构建完备故障模式可测点振动响应数据库的虚拟样机模拟数据子库;
步骤5:借助计算机系统平台,开发涡轴发动机动力系统可视化故障诊断平台客户端软件;
步骤6:在涡轴发动机、主减速和中尾减速器的试车台架上可测点位置安装振动传感器,通过涡轴发动机动力系统可视化故障诊断软件平台对可测点振动信号进行实时采集,实测数据用于扩充完备故障模式可测点振动响应数据库,以及全寿命周期虚拟样机的验证;
步骤7:涡轴发动机动力系统可视化诊断平台通过对台架试车可测点实测数据进行分析,对涡轴发动机动力系统的运行状态予以可视化诊断。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910779456.5A CN110457861B (zh) | 2019-08-22 | 2019-08-22 | 一种机载涡轴发动机动力系统可视化诊断平台及构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910779456.5A CN110457861B (zh) | 2019-08-22 | 2019-08-22 | 一种机载涡轴发动机动力系统可视化诊断平台及构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110457861A true CN110457861A (zh) | 2019-11-15 |
CN110457861B CN110457861B (zh) | 2023-01-20 |
Family
ID=68488580
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910779456.5A Active CN110457861B (zh) | 2019-08-22 | 2019-08-22 | 一种机载涡轴发动机动力系统可视化诊断平台及构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110457861B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112729840A (zh) * | 2020-12-28 | 2021-04-30 | 北京航天三发高科技有限公司 | 一种发动机试车台 |
CN112945535A (zh) * | 2021-02-20 | 2021-06-11 | 广东石油化工学院 | 一种基于数值模拟的旋转机械故障检测方法及装置 |
CN113361372A (zh) * | 2021-06-02 | 2021-09-07 | 长江大学 | 基于多通道数据深度挖掘的主减速器多故障智能诊断方法 |
CN113390645A (zh) * | 2021-04-25 | 2021-09-14 | 北京航空工程技术研究中心 | 一种航空发动机主轴承剥落故障整机特种试验方法 |
CN115238560A (zh) * | 2022-09-21 | 2022-10-25 | 广东电网有限责任公司佛山供电局 | 基于有限元仿真的变压器有载开关故障识别方法及系统 |
WO2023273378A1 (zh) * | 2021-06-29 | 2023-01-05 | 东方电气集团东方电机有限公司 | 一种螺栓故障诊断方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104281130A (zh) * | 2014-09-22 | 2015-01-14 | 国家电网公司 | 一种基于大数据技术的水电设备监测和故障诊断系统 |
CN204831793U (zh) * | 2015-06-05 | 2015-12-02 | 湖南科技大学 | 一种涡轴发动机动态特性研究实验装置 |
CN106055770A (zh) * | 2016-05-26 | 2016-10-26 | 南京航空航天大学 | 一种基于滑模理论的航空发动机气路故障诊断方法 |
CN106482828A (zh) * | 2016-11-25 | 2017-03-08 | 沈阳黎明航空发动机(集团)有限责任公司 | 一种航空发动机振动故障的检测诊断装置及方法 |
CN106546439A (zh) * | 2016-10-13 | 2017-03-29 | 南京航空航天大学 | 一种液压agc系统的复合故障诊断方法 |
-
2019
- 2019-08-22 CN CN201910779456.5A patent/CN110457861B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104281130A (zh) * | 2014-09-22 | 2015-01-14 | 国家电网公司 | 一种基于大数据技术的水电设备监测和故障诊断系统 |
CN204831793U (zh) * | 2015-06-05 | 2015-12-02 | 湖南科技大学 | 一种涡轴发动机动态特性研究实验装置 |
CN106055770A (zh) * | 2016-05-26 | 2016-10-26 | 南京航空航天大学 | 一种基于滑模理论的航空发动机气路故障诊断方法 |
CN106546439A (zh) * | 2016-10-13 | 2017-03-29 | 南京航空航天大学 | 一种液压agc系统的复合故障诊断方法 |
CN106482828A (zh) * | 2016-11-25 | 2017-03-08 | 沈阳黎明航空发动机(集团)有限责任公司 | 一种航空发动机振动故障的检测诊断装置及方法 |
Non-Patent Citations (3)
Title |
---|
史永胜等: "基于VMTS的旋翼伺服作动器故障诊断过程可视化", 《计算机测量与控制》 * |
吕凤霞等: "基于振动可视化的机械系统级故障诊断方法", 《大庆石油学院学报》 * |
李本威等: "涡轴发动机状态监测系统的研究", 《燃气涡轮试验与研究》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112729840A (zh) * | 2020-12-28 | 2021-04-30 | 北京航天三发高科技有限公司 | 一种发动机试车台 |
CN112945535A (zh) * | 2021-02-20 | 2021-06-11 | 广东石油化工学院 | 一种基于数值模拟的旋转机械故障检测方法及装置 |
CN113390645A (zh) * | 2021-04-25 | 2021-09-14 | 北京航空工程技术研究中心 | 一种航空发动机主轴承剥落故障整机特种试验方法 |
CN113390645B (zh) * | 2021-04-25 | 2022-09-13 | 北京航空工程技术研究中心 | 一种航空发动机主轴承剥落故障整机特种试验方法 |
CN113361372A (zh) * | 2021-06-02 | 2021-09-07 | 长江大学 | 基于多通道数据深度挖掘的主减速器多故障智能诊断方法 |
WO2023273378A1 (zh) * | 2021-06-29 | 2023-01-05 | 东方电气集团东方电机有限公司 | 一种螺栓故障诊断方法及装置 |
CN115238560A (zh) * | 2022-09-21 | 2022-10-25 | 广东电网有限责任公司佛山供电局 | 基于有限元仿真的变压器有载开关故障识别方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110457861B (zh) | 2023-01-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110457861A (zh) | 一种机载涡轴发动机动力系统可视化诊断平台及构建方法 | |
CN105736140B (zh) | 一种柴油机瞬时转速测量及气缸熄火故障诊断装置和方法 | |
CN111338300A (zh) | 生产线基于数字孪生的物理仿真方法及其系统 | |
Sinha et al. | Dynamic loads in the fan containment structure of a turbofan engine | |
CN109779894A (zh) | 一种基于神经网络算法的往复式压缩机故障诊断系统及方法 | |
Longley et al. | Effects of rotating inlet distortion on multistage compressor stability | |
CN103472802B (zh) | 风力发电机组智能状态监测终端及其数据处理方法 | |
EP2055904A2 (en) | Foreign object/domestic object damage assessment in a turbomachine | |
CN106528407A (zh) | 一种嵌入式软件安全性自动化验证系统及其验证方法 | |
Hou et al. | Inter-shaft bearing fault diagnosis based on aero-engine system: a benchmarking dataset study | |
CN112629840A (zh) | 一种航空发动机双转子-支承-机匣试验器及其测试方法 | |
CN110567722A (zh) | 一种基于性能参数的民机发动机起动系统健康监测方法 | |
CN107084847A (zh) | 用于生成发动机测试单元分析和诊断的自动系统和方法 | |
Loh et al. | Vibration‐based system identification of wind turbine system | |
CN103268388A (zh) | 一种航空发动机涡轮叶盘系统可靠性分析方法 | |
CN109543279A (zh) | 一种基于动态模型的燃气轮机气路故障诊断方法 | |
CN114492511A (zh) | 一种基于数字孪生的故障诊断方法 | |
Cheng et al. | Incipient fault detection for the planetary gearbox in rotorcraft based on a statistical metric of the analog tachometer signal | |
Yan et al. | Unscented Kalman-filter-based simultaneous diagnostic scheme for gas-turbine gas path and sensor faults | |
Chen et al. | A time-series turbofan engine successive fault diagnosis under both steady-state and dynamic conditions | |
Ng et al. | A realistic simulation testbed of a turbocharged spark-ignited engine system: A platform for the evaluation of fault diagnosis algorithms and strategies | |
Xu et al. | Misfire fault diagnosis of range extender based on harmonic analysis | |
Yang et al. | Dynamic Model-based Digital Twin for Crack Detection of Aeroengine Disk | |
Agrawal et al. | An analysis procedure for the validation of on-site performance measurements of gas turbines | |
Goebel et al. | Diagnostic information fusion: requirements flowdown and interface issues |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: No.18 Jiangwan Road, Foshan, Guangdong 528000 Patentee after: Foshan University Country or region after: China Address before: No.18 Jiangwan Road, Foshan, Guangdong 528000 Patentee before: FOSHAN University Country or region before: China |