CN111353129A - 叶端定时数据存储矩阵化处理方法 - Google Patents

叶端定时数据存储矩阵化处理方法 Download PDF

Info

Publication number
CN111353129A
CN111353129A CN202010084473.XA CN202010084473A CN111353129A CN 111353129 A CN111353129 A CN 111353129A CN 202010084473 A CN202010084473 A CN 202010084473A CN 111353129 A CN111353129 A CN 111353129A
Authority
CN
China
Prior art keywords
blade
matrix
data
packet
arrival time
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
Application number
CN202010084473.XA
Other languages
English (en)
Other versions
CN111353129B (zh
Inventor
杨志勃
王增坤
李浩琪
吴淑明
田绍华
陈雪峰
乔百杰
翟智
刘一龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xian Jiaotong University
Original Assignee
Xian Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xian Jiaotong University filed Critical Xian Jiaotong University
Priority to CN202010084473.XA priority Critical patent/CN111353129B/zh
Publication of CN111353129A publication Critical patent/CN111353129A/zh
Application granted granted Critical
Publication of CN111353129B publication Critical patent/CN111353129B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00—Testing of machine parts

Abstract

本发明公开了一种叶端定时数据存储矩阵化处理方法，方法包括以下步骤：叶端定时数据分为转速到达时间和叶片到达时间，且满足
Figure DDA0002381627030000011
nbtt＝nbnp(nopr‑1)，以转速到达时间为每包数据的分隔标记，每一转为一包数据，每包数据为一个数据矩阵，基于所述数据矩阵将叶片到达时间转化为叶片振动位移。

Description

叶端定时数据存储矩阵化处理方法
技术领域
本发明属于叶片非接触测试技术领域，特别是一种叶端定时数据存储矩阵化处理方法。
背景技术
航空发动机压气机是航空发动机中的关键部件之一。由于压气机叶片与外部空气直接接触，外物损伤时有发生，严重影响航空发动机的安全性，故对压气机的叶片进行健康监测至关重要。叶端定时技术是一种非接触式叶片测试手段，与传统的应变片测试方法相比，其主要具有以下三种优点：1)单个传感器可同时监测所有叶片；2)非接触式测量不影响叶片本身性能；3)无需在叶片或转子上引线，只需在机匣上沿周向安装传感器。叶端定时技术主要通过采集叶片和转速标记的到达时间，并将到达时间转化为叶片振动位移，通过对叶片位移的后续数据处理对叶片进行健康监测。到达时间的采集作为叶端定时测试技术的第一步，如何合理选择叶端定时数据的存储结构是后续分析能否顺利进行的关键。通过引入矩阵化存储方式，可以增强叶端定时数据的可读性，便于检查数据完整性以及后续分析处理。
在背景技术部分中公开的上述信息仅仅用于增强对本发明背景的理解，因此可能包含不构成在本国中本领域普通技术人员公知的现有技术的信息。
发明内容
针对现有技术中存在的问题，本发明提出一种叶端定时数据存储矩阵化处理方法，本发明通过构建合理的数据存储结构，增强了叶端定时数据的可读性，便于检查数据完整性以及后续分析处理。
本发明的目的是通过以下技术方案予以实现，一种叶端定时数据存储矩阵化处理方法包括以下步骤：
第一步骤中，叶端定时数据分为转速到达时间和叶片到达时间，且满足
Figure BDA0002381627010000011
nbtt＝nbnp(nopr-1)，其中
Figure BDA0002381627010000012
为第k圈起始时的转速到达时间，
Figure BDA0002381627010000013
为第k圈内采集到的叶片到达时间，
Figure BDA0002381627010000014
为第k+1圈起始时的转速到达时间，nbtt为一次测试所采集的叶片到达时间个数，nopr为一次测试所采集的转速到达时间个数，nb为转子叶片个数，np为传感器个数，
第二步骤中，以转速到达时间为每包数据的分隔标记，每一转为一包数据，每包数据为一个数据矩阵，其中，数据矩阵行数固定，列数与叶端定时传感器个数相同，数据矩阵的一列按时间先后存放一个叶端定时传感器所采集的到达时间数据，到达时间数据存放完毕后，在该列末尾依次增加该转结束时的转速到达时间以及该包序号，将各传感器对应的列向量进行拼接，并以无穷大量来补全当前数据矩阵的末尾剩余空行，
第三步骤中，基于所述数据矩阵，将叶片到达时间转化为叶片振动位移，其中，转速脉冲作为高频计数器值的清零信号，
Figure BDA0002381627010000021
其中，θ为叶片到达角度矩阵，T为叶片到达时间矩阵，topr为对应包末尾的转速脉冲到达时间，根据叶片到达角度标定矩阵θexp，叶片到达角度矩阵转化为叶片位移矩阵D，D＝2πR(θact-θexp)，其中R为转子半径，θact为叶片到达角度矩阵。
所述的方法中，第三步骤中，选取匀速下多包叶片到达角度矩阵的平均作为叶片到达角度标定矩阵，
Figure BDA0002381627010000022
其中，θexp为叶片到达角度标定矩阵，
Figure BDA0002381627010000023
为第k包的叶片到达角度矩阵，K为平均所用的包数。
所述的方法中，第二步骤中，数据矩阵行数通过叶片数上限加上二再乘预定安全系数确定。
所述的方法中，叶片为航空发动机压气机转子叶片。
所述的方法中，每个叶端定时传感器配备一个队列，存储对应列向量，该队列深度与所述数据矩阵行数相同，当叶片脉冲到来时，对应的叶片到达时间入队，当转速脉冲到来时，转速到达时间入队，同时包序号紧接着入队，数据缓存单元剩余元素置为队列元素所能表示的最大值，即二进制位的全一，全部出队，完成打包。
所述的方法中，传感器个数为5，其安装角度为80°，110°，140°，170°，200°，转子叶片个数为8。
所述的方法中，第二步骤中，设置缓存深度为64，计数器位数为32位，根据传感器个数为5，得到数据矩阵的大小为64行5列，根据叶片个数为8，得到数据矩阵中的有效数据矩阵大小为10行5列。
所述的方法中，若其包序号存在缺失，则判定为丢包；若包中某列长度大于10，则判定为叶片到达时间误触发；若包中各列长度均等于10，则该包数据不存在异常；若包中某列长度小于10，则判定为叶片到达时间丢失。
所述的方法中，包的误触发率为0.5％，丢失率为0.7％。
所述的方法中，叶片到达角度矩阵大小为8行5列。
和现有技术相比，本发明可有效增强叶端定时数据的可读性，便于检查数据完整性以及后续分析处理。
附图说明
通过阅读下文优选的具体实施方式中的详细描述，本发明各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。说明书附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。显而易见地，下面描述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。而且在整个附图中，用相同的附图标记表示相同的部件。
在附图中：
图1是根据本发明一个实施例的叶端定时数据存储矩阵化处理方法的步骤示意图；
图2是根据本发明一个实施例的叶端定时数据存储矩阵化处理方法的叶端定时传感器安装示意图；
图3是根据本发明一个实施例的叶端定时数据存储矩阵化处理方法的叶端定时数据构成示意图；
图4是根据本发明一个实施例的叶端定时数据存储矩阵化处理方法的叶端定时信号采集流程示意图；其中，虚线所包围部分为叶端定时数据采集系统；
图5是根据本发明一个实施例的叶端定时数据存储矩阵化处理方法的叶端定时数据异常判断示意图；
图6是根据本发明一个实施例的叶端定时数据存储矩阵化处理方法的数据矩阵示意图；
图7根据本发明一个实施例的叶端定时数据存储矩阵化处理方法的转换过后的叶片位移图；
以下结合附图和实施例对本发明作进一步的解释。
具体实施方式
下面将参照附图1至图7更详细地描述本发明的具体实施例。虽然附图中显示了本发明的具体实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
需要说明的是，在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可以理解，技术人员可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名词的差异来作为区分组件的方式，而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”或“包括”为一开放式用语，故应解释成“包含但不限定于”。说明书后续描述为实施本发明的较佳实施方式，然所述描述乃以说明书的一般原则为目的，并非用以限定本发明的范围。本发明的保护范围当视所附权利要求所界定者为准。
为便于对本发明实施例的理解，下面将结合附图以具体实施例为例做进一步的解释说明，且各个附图并不构成对本发明实施例的限定。
为了更好地理解，图1是根据本发明一个实施例的方法的步骤示意图，如图1所示，叶端定时数据存储矩阵化处理方法包括以下步骤：
第一步骤S1中，叶端定时数据分为转速到达时间和叶片到达时间，且满足
Figure BDA0002381627010000041
nbtt＝nbnp(nopr-1)，其中
Figure BDA0002381627010000042
为第k圈起始时的转速到达时间，
Figure BDA0002381627010000043
为第k圈内采集到的叶片到达时间，
Figure BDA0002381627010000044
为第k+1圈起始时的转速到达时间，nbtt为一次测试所采集的叶片到达时间个数，nopr为一次测试所采集的转速到达时间个数，nb为转子叶片个数，np为传感器个数，
第二步骤S2中，以转速到达时间为每包数据的分隔标记，每一转为一包数据，每包数据为一个数据矩阵，其中，数据矩阵行数固定，列数与叶端定时传感器个数相同，数据矩阵的一列按时间先后存放一个叶端定时传感器所采集的到达时间数据，到达时间数据存放完毕后，在该列末尾依次增加该转结束时的转速到达时间以及该包序号，将各传感器对应的列向量进行拼接，并以无穷大量来补全当前数据矩阵的末尾剩余空行，
第三步骤S3中，基于所述数据矩阵，将叶片到达时间转化为叶片振动位移，其中，转速脉冲作为高频计数器值的清零信号，
Figure BDA0002381627010000051
其中，θ为叶片到达角度矩阵，T为叶片到达时间矩阵，topr为对应包末尾的转速脉冲到达时间，根据叶片到达角度标定矩阵θexp，叶片到达角度矩阵转化为叶片位移矩阵D，D＝2πR(θact-θexp)，其中R为转子半径，θact为叶片到达角度矩阵。
所述的方法的优选实施方式中，第三步骤S3中，选取匀速下多包叶片到达角度矩阵的平均作为叶片到达角度标定矩阵，
Figure BDA0002381627010000052
其中，θexp为叶片到达角度标定矩阵，
Figure BDA0002381627010000053
为第k包的叶片到达角度矩阵，K为平均所用的包数。
所述的方法的优选实施方式中，第二步骤S2中，数据矩阵行数通过叶片数上限加二再乘预定安全系数确定。
所述的方法的优选实施方式中，叶片为航空发动机压气机转子叶片。
所述的方法的优选实施方式中，每个叶端定时传感器配备一个队列，存储对应列向量，该队列深度与所述数据矩阵行数相同，当叶片脉冲到来时，对应的叶片到达时间入队，当转速脉冲到来时，转速到达时间入队，同时包序号紧接着入队，数据缓存单元剩余元素置为队列元素所能表示的最大值，即二进制位的全一，全部出队，完成打包。
所述的方法的优选实施方式中，传感器个数为5，其安装角度为80°，110°，140°，170°，200°，转子叶片个数为8。
所述的方法的优选实施方式中，第二步骤S2中，设置缓存深度为64，计数器位数为32位，根据传感器个数为5，得到数据矩阵的大小为64行5列，根据叶片个数为8，得到数据矩阵中的有效数据矩阵大小为10行5列。
所述的方法的优选实施方式中，若其包序号存在缺失，则判定为丢包；若包中某列长度大于10，则判定为叶片到达时间误触发；若包中各列长度均等于10，则该包数据不存在异常；若包中某列长度小于10，则判定为叶片到达时间丢失。
所述的方法的优选实施方式中，包的误触发率为0.5％，丢失率为0.7％。
所述的方法的优选实施方式中，叶片到达角度矩阵大小为8行5列。
本发明考虑了叶端定时测试的信号特点，构建了合理的数据存储结构，增强了叶端定时数据的可读性，便于检查数据完整性以及后续分析处理。
在一个实施例中，方法包括，
第一步骤S1中，根据叶端定时测试原理，分析了叶端定时原始数据的构成特点。叶端定时数据分为转速到达时间和叶片到达时间两类，两者首先满足插补关系：
Figure BDA0002381627010000061
其中
Figure BDA0002381627010000062
为第k圈起始时的转速到达时间，
Figure BDA0002381627010000063
为第k圈内采集到的叶片到达时间，此处假设叶片脉冲和转速脉冲不存在同时到达的情况。
此外，两者数量还存在下列关系：
nbtt＝nbnp(nopr-1)
其中nbtt为一次测试所采集的叶片到达时间个数，nopr为一次测试所采集的转速到达时间个数，nb为转子叶片个数，np为传感器个数。
第二步骤S2中，根据原始数据的构成特点，提出矩阵化叶端定时数据存储结构：以转速到达时间为每包数据的分隔标记，即每一转为一包数据，每包数据为一个数据矩阵。数据矩阵行数固定，由叶端定时采集系统应用场景中的叶片数上限加二再乘一定的安全系数确定，列数与叶端定时传感器个数相同。矩阵的一列按时间先后存放一个叶端定时传感器所采集的到达时间数据，到达时间数据存放完毕后，在该列末尾依次补全该转结束时的转速到达时间以及包序号这两行。将各传感器对应的列向量进行拼接，并以无穷大量补全数据矩阵末尾剩余空行。
矩阵化叶端定时存储结构对应的硬件实现思路为：为每个叶端定时传感器配备一个队列，存储对应列向量，该队列深度与前述数据矩阵行数相同。当叶片脉冲到来时，对应的叶片到达时间入队，当转速脉冲到来时，转速到达时间入队，同时包序号紧接着入队，数据缓存单元剩余元素置为队列元素所能表示的最大值，即二进制位的全一，全部出队，完成打包。
第三步骤S3中，分析矩阵化叶端定时数据存储结构对于后续数据分析处理的三大优点：1便于判断丢包现象：若某包数据丢失，根据包序号是否连续便可判断；2便于判断叶片到达时间丢失和误触发：定义数据矩阵中的叶片到达时间、转速到达时间、包序号形成的矩阵为有效数据矩阵，正常情况下，有效数据矩阵应为矩阵形式，且列向量理论长度为叶片数加二，若不符合上述形式，则说明本包叶片到达时间出现异常，具体的异常形式可通过比较实际各列向量长度与理论长度判断；3便于后续数据分析处理。
第四步骤S4中，根据矩阵化叶端定时数据存储结构，建立基于叶片到达角度矩阵的叶片位移计算方法，将叶片到达时间转化为叶片振动位移。基于叶片到达角度矩阵的方法叙述如下：假定叶片在低转速无激励状态下不发生振动，将此时采集到的叶片到达角度矩阵视为叶片到达时间标定矩阵，为增强标定矩阵的鲁棒性，可选取匀速下多包叶片到达角度矩阵的平均作为叶片到达角度标定矩阵：
Figure BDA0002381627010000071
其中，θexp为叶片到达角度标定矩阵，
Figure BDA0002381627010000072
为第k包的叶片到达角度矩阵，K为平均所用的包数。
将转速脉冲作为高频计数器值的清零信号，即每包信号的到达时间都会从零记起，则可按照下式将采集到的叶片到达时间矩阵转化为叶片到达角度矩阵。
Figure BDA0002381627010000073
其中，θ为叶片到达角度矩阵，T为叶片到达时间矩阵，topr为对应包末尾的转速脉冲到达时间。根据叶片到达角度标定矩阵θexp，按照下式将叶片到达角度矩阵转化为叶片位移矩阵D。
D＝2πR(θact-θexp)
本发明所述的方法的优选实施方式中，第一步骤中，根据叶端定时测试原理，分析了叶端定时原始数据的构成特点：转速到达时间和叶片到达时间之间的插补关系，转速到达时间个数和叶片到达时间个数之间的关系。
本发明所述的方法的优选实施方式中，第二步骤中，根据叶端定时原始数据的构成特点，提出矩阵化叶端定时数据存储结构及其硬件实现思路。
本发明所述的方法的优选实施方式中，第三步骤中，分析矩阵化叶端定时数据存储结构的优点：1便于判断丢包现象；2便于判断叶片到达时间丢失和误触发；3便于后续数据分析处理。
本发明所述的方法的优选实施方式中，第四步骤中，根据矩阵化叶端定时数据存储结构，建立基于叶片到达角度矩阵的叶片位移计算方法，将叶片到达时间转化为叶片振动位移。
为了进一步说明本发明的方法，图2是根据本发明一种叶端定时数据存储矩阵化处理方法的叶端定时传感器安装示意图，如图2所示，叶端定时技术所采用的传感器按照作用分为转速传感器和叶端定时传感器，每当转速标记或叶片经过传感器时，传感器产生对应的脉冲信号。图3是根据本发明叶端定时数据存储矩阵化处理方法的叶端定时数据构成示意图，其中，粗实线脉冲信号为转速信号，细实线脉冲信号为叶端定时信号，箭头下方为图中信号所对应有效数据矩阵。图4是根据本发明叶端定时数据存储矩阵化处理方法的叶端定时信号采集流程及硬件示意图；其中，虚线所包围部分为叶端定时数据采集系统，共有五个叶端定时信号通道及其对应的缓存。图5是根据本发明叶端定时数据存储矩阵化处理方法的叶端定时数据异常判断示意图；其中，直线上方为叶片到达时间误触发异常，直线下方为叶片到达时间丢失异常。图6是根据本发明一种实施例的叶端定时数据存储矩阵化处理方法的实测信号数据矩阵图，其中，到达时间的数据位数为32位，一个椭圆形代表一个到达时间。图7是根据本发明叶端定时数据存储矩阵化处理方法的转换过后的叶片位移图。
在本发明的一种矩阵化叶端定时数据存储结构及系统的优选实施例中，第一步骤S1中：传感器个数为5，其安装角度为：80°，110°，140°，170°，200°，转子叶片个数为8。通过分析可得到该情况下的转速到达时间和叶片到达时间之间的插补关系，以及数量上的关系。
在本发明的一种矩阵化叶端定时数据存储结构及系统的优选实施例中，第二步骤S2中：设置缓存深度为64，计数器位数为32位，根据传感器个数为5，可以得到数据矩阵的大小为64行5列，根据叶片个数为8，可以得到数据矩阵中的有效数据矩阵大小为10行5列。
在本发明的一种矩阵化叶端定时数据存储结构及系统的优选实施例中，第三步骤S3中：分析所采矩阵化叶端定时数据，若其包序号存在缺失，则判定为丢包；若其某包中某列长度大于10，则判定为叶片到达时间误触发；若其某包中某列长度小于10，则判定为叶片到达时间丢失。经过计算，丢失率为0％，误触发率为0.5％，丢失率为0.7％。
在本发明的一种矩阵化叶端定时数据存储结构及系统的优选实施例中，第四步骤S4中：根据矩阵化叶端定时数据存储结构，建立基于叶片到达角度矩阵的叶片位移计算方法，将叶片到达时间转化为叶片振动位移。根据有效数据矩阵可得，其中叶片到达角度矩阵大小为8行5列。
在一个实施例中，图4为根据本发明叶端定时数据存储矩阵化处理方法的叶端定时信号采集流程示意图，可以看出矩阵化叶端定时数据存储结构不仅与叶端定时数据构成形式联系密切，而且可以采用适当的硬件形式实现，成为了叶端定时数据采集流程中的重要一环。图6为根据本发明一种实施例的叶端定时数据存储矩阵化处理方法的实测信号数据矩阵图，由图6可知，矩阵化叶端定时数据存储结构适用于叶端定时数据采集，且矩阵化的表示方法可读性较强。图7是根据本发明叶端定时数据存储矩阵化处理方法的转换过后的叶片位移图，可以看出，矩阵化叶端定时数据存储结构适用于叶端定时技术，可以基于此存储结构将叶片到达时间有效转化为叶片振动位移。
尽管以上结合附图对本发明的实施方案进行了描述，但本发明并不局限于上述的具体实施方案和应用领域，上述的具体实施方案仅仅是示意性的、指导性的，而不是限制性的。本领域的普通技术人员在本说明书的启示下和在不脱离本发明权利要求所保护的范围的情况下，还可以做出很多种的形式，这些均属于本发明保护之列。

Claims (10)

1.一种叶端定时数据存储矩阵化处理方法，所述方法包括以下步骤：
第一步骤(S1)中，叶端定时数据分为转速到达时间和叶片到达时间，且满足
Figure FDA0002381625000000011
其中
Figure FDA0002381625000000012
为第k圈起始时的转速到达时间，
Figure FDA0002381625000000013
为第k圈内采集到的叶片到达时间，
Figure FDA0002381625000000014
为第k+1圈起始时的转速到达时间，nbtt为一次测试所采集的叶片到达时间个数，nopr为一次测试所采集的转速到达时间个数，nb为转子叶片个数，np为传感器个数，
第二步骤(S2)中，以转速到达时间为每包数据的分隔标记，每一转为一包数据，每包数据为一个数据矩阵，其中，数据矩阵行数固定，列数与叶端定时传感器个数相同，数据矩阵的一列按时间先后存放一个叶端定时传感器所采集的到达时间数据，到达时间数据存放完毕后，在该列末尾依次增加该转结束时的转速到达时间以及该包序号，将各传感器对应的列向量进行拼接，并以无穷大量来补全当前数据矩阵的末尾剩余空行，
第三步骤(S3)中，基于所述数据矩阵，将叶片到达时间转化为叶片振动位移，其中，转速脉冲作为高频计数器值的清零信号，
Figure FDA0002381625000000015
其中，θ为叶片到达角度矩阵，T为叶片到达时间矩阵，topr为对应包末尾的转速脉冲到达时间，根据叶片到达角度标定矩阵θexp，叶片到达角度矩阵转化为叶片位移矩阵D，D＝2πR(θact-θexp)，其中R为转子半径，θact为叶片到达角度矩阵。
2.根据权利要求1所述的方法，其中，优选的，第三步骤(S3)中，选取匀速下多包叶片到达角度矩阵的平均作为叶片到达角度标定矩阵，
Figure FDA0002381625000000016
其中，
Figure FDA0002381625000000017
为第k包的叶片到达角度矩阵，K为平均所用的包数。
3.根据权利要求1所述的方法，其中，第二步骤(S2)中，数据矩阵行数通过叶片数上限加上二再乘预定安全系数确定。
4.根据权利要求3所述的方法，其中，叶片为航空发动机压气机转子叶片。
5.根据权利要求1所述的方法，其中，每个叶端定时传感器配备一个队列，存储对应列向量，该队列深度与所述数据矩阵行数相同，当叶片脉冲到来时，对应的叶片到达时间入队，当转速脉冲到来时，转速到达时间入队，同时包序号紧接着入队，数据缓存单元剩余元素置为队列元素所能表示的最大值，即二进制位的全一，全部出队，完成打包。
6.根据权利要求1所述的方法，其中，传感器个数为5，其安装角度为80°，110°，140°，170°，200°，转子叶片个数为8。
7.根据权利要求1所述的方法，其中，第二步骤(S2)中，设置缓存深度为64，计数器位数为32位，根据传感器个数为5，得到数据矩阵的大小为64行5列，根据叶片个数为8，得到数据矩阵中的有效数据矩阵大小为10行5列。
8.根据权利要求5所述的方法，其中，若其包序号存在缺失，则判定为丢包；若包中某列长度大于10，则判定为叶片到达时间误触发；若包中各列长度均等于10，则该包数据不存在异常；若包中某列长度小于10，则判定为叶片到达时间丢失。
9.根据权利要求8所述的方法，其中，包的误触发率为0.5％，丢失率为0.7％。
10.根据权利要求1所述的方法，其中，叶片到达角度矩阵大小为8行5列。
CN202010084473.XA 2020-02-10 2020-02-10 叶端定时数据存储矩阵化处理方法 Active CN111353129B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010084473.XA CN111353129B (zh) 2020-02-10 2020-02-10 叶端定时数据存储矩阵化处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010084473.XA CN111353129B (zh) 2020-02-10 2020-02-10 叶端定时数据存储矩阵化处理方法

Publications (2)

Publication Number Publication Date
CN111353129A true CN111353129A (zh) 2020-06-30
CN111353129B CN111353129B (zh) 2021-12-28

Family

ID=71195680

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010084473.XA Active CN111353129B (zh) 2020-02-10 2020-02-10 叶端定时数据存储矩阵化处理方法

Country Status (1)

Country Link
CN (1) CN111353129B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130304418A1 (en) * 2012-05-14 2013-11-14 United Technologies Corporation Monitoring one or more turbine engine rotor blades by correlating measurement data and reference data as a function of time
US20150226081A1 (en) * 2012-11-30 2015-08-13 General Electric Company System and method for monitoring health of airfoils
CN105973448A (zh) * 2016-02-02 2016-09-28 南京航空航天大学 一种旋转叶片振动测量方法与系统
CN109101768A (zh) * 2018-09-20 2018-12-28 中国人民解放军国防科技大学 基于压缩感知的叶端定时传感器布局优化设计方法
CN109101769A (zh) * 2018-09-20 2018-12-28 中国人民解放军国防科技大学 一种基于压缩感知的叶端定时传感器数目确定方法
CN109871661A (zh) * 2019-03-26 2019-06-11 西安交通大学 一种叶端定时信号丢失的识别补全方法
CN109870283A (zh) * 2019-03-26 2019-06-11 西安交通大学 叶端定时传感器信号序列转位移序列的方法及系统
CN109870282A (zh) * 2019-03-26 2019-06-11 西安交通大学 基于压缩感知的叶片振动特征辨识方法及系统
CN109883720A (zh) * 2019-03-22 2019-06-14 西安交通大学 用于辨识叶片多模态振动的叶端定时传感器的布置方法
CN109883380A (zh) * 2019-03-22 2019-06-14 西安交通大学 一种基于叶端定时的转子叶片位移场测量方法及其系统
CN110567574A (zh) * 2019-08-02 2019-12-13 西安交通大学 一种旋转叶片叶端定时振动参数辨识方法与系统
CN110608710A (zh) * 2019-03-22 2019-12-24 西安交通大学 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

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130304418A1 (en) * 2012-05-14 2013-11-14 United Technologies Corporation Monitoring one or more turbine engine rotor blades by correlating measurement data and reference data as a function of time
US20150226081A1 (en) * 2012-11-30 2015-08-13 General Electric Company System and method for monitoring health of airfoils
CN105973448A (zh) * 2016-02-02 2016-09-28 南京航空航天大学 一种旋转叶片振动测量方法与系统
CN109101768A (zh) * 2018-09-20 2018-12-28 中国人民解放军国防科技大学 基于压缩感知的叶端定时传感器布局优化设计方法
CN109101769A (zh) * 2018-09-20 2018-12-28 中国人民解放军国防科技大学 一种基于压缩感知的叶端定时传感器数目确定方法
CN109883720A (zh) * 2019-03-22 2019-06-14 西安交通大学 用于辨识叶片多模态振动的叶端定时传感器的布置方法
CN109883380A (zh) * 2019-03-22 2019-06-14 西安交通大学 一种基于叶端定时的转子叶片位移场测量方法及其系统
CN110608710A (zh) * 2019-03-22 2019-12-24 西安交通大学 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
CN109871661A (zh) * 2019-03-26 2019-06-11 西安交通大学 一种叶端定时信号丢失的识别补全方法
CN109870283A (zh) * 2019-03-26 2019-06-11 西安交通大学 叶端定时传感器信号序列转位移序列的方法及系统
CN109870282A (zh) * 2019-03-26 2019-06-11 西安交通大学 基于压缩感知的叶片振动特征辨识方法及系统
CN110567574A (zh) * 2019-08-02 2019-12-13 西安交通大学 一种旋转叶片叶端定时振动参数辨识方法与系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
刘美茹 等: "基于叶尖定时的航空发动机压气机叶片振动测量", 《航空动力学报》 *
王宇华 等: "叶端定时测量方法及关键技术研究", 《中国机械工程》 *
雷杰 等: "基于叶尖定时原理的转子叶片同步振动算法研究", 《机械研究与应用》 *

Also Published As

Publication number Publication date
CN111353129B (zh) 2021-12-28

Similar Documents

Publication Publication Date Title
CN1138976C (zh) 探测内燃机中点火不良的方法和实现所述方法的系统
US5117681A (en) Correction of systematic position-sensing errors in internal combustion engines
CN109951491A (zh) 网络攻击检测方法、装置、设备及存储介质
EP0424630A2 (en) Method and apparatus for detecting combustion condition in an internal combustion engine and method and apparatus for controlling an internal combustion engine by using the above method and apparatus
EP2006651B1 (en) A method and system for determining the torque induced in a rotating shaft
JPH0362210B2 (zh)
CN111353129B (zh) 叶端定时数据存储矩阵化处理方法
CN103994869B (zh) 一种薄壁圆柱壳结构件实验台的测试方法
WO1999057640A1 (en) Non-intrusive performance monitoring
US5481909A (en) Apparatus and method for measuring reciprocating engine performance dependent on positional behavior of a member driven by engine torque
CN109870283B (zh) 叶端定时传感器信号序列转位移序列的方法及系统
WO2008124371A2 (en) Method and apparatus for evaluating a time varying signal
CN112378597A (zh) 电池包测试分析方法、装置及系统
US5132909A (en) Apparatus for diagnosing individual cylinder performance by estimated instantaneous engine speeds
EP2581588A1 (en) Method of fuel quality determination
CN110879298B (zh) 基于通讯式编码器的速度获取方法
CN110990603B (zh) 用于分段图像数据的格式识别的方法和系统
JP2003531367A (ja) 回転体の振動の非接触測定方法
GB2401687A (en) Median filtering method for a misfire detection system
US4951500A (en) Method for determining the untwist of turbine blades
JPH05332194A (ja) 内燃機関の失火検出装置
JPH08105781A (ja) 測定エラー補正方法
CN108444586B (zh) 光纤式测扭振法的分度误差抑制方法
KR100578023B1 (ko) 엔진실화 검출시스템 및 엔진실화 검출방법
CN106645950A (zh) 一种同步发电机功角实时测量方法及装置

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