CN114564996B - 航空发动机喘振先兆在线检测方法及装置 - Google Patents

Abstract

本发明公开了一种航空发动机喘振先兆在线检测方法，通过对航空发动机的压气机出口静压低频采样信号进行时频分析来获取喘振先兆特征，并根据所述喘振先兆特征与预设阈值的比较结果实现喘振先兆在线检测；所述时频分析包括：模态分解、Hilbert变换、时频谱分析这三个步骤；所述模态分解为带自适应噪声的改进完备集成经验模态分解方法。本发明还公开了一种航空发动机喘振先兆在线检测装置。相比现有技术，本发明可以极低成本实现在线喘振先兆预警，且预警时间大幅提高。

Description

航空发动机喘振先兆在线检测方法及装置

技术领域

本发明涉及一种航空发动机喘振先兆在线检测方法，属于航空发动机健康监测及控制技术领域。

背景技术

航空发动机压气机喘振是指气流沿压气机轴线方向发生的低频率(5～30Hz)、高振幅(强烈的压强和流量波动)的气流振荡现象，它是旋转失速在流量进一步减少后的结果。

研究学者根据压气机喘振机理和信号特征提出了许多喘振检测方法，如快速傅里叶变换、小波分析法、相关度法、时间序列分析法、压差脉动法和均方根法等。但目前上述这些方法对分布在压气机上的传感器数量和位置具有很高的要求，如需要在压气机周向均匀布置多个压力传感器以提取对喘振敏感性较强的压力信号。虽然有研究表明采用信号转换方法，对压气机单通道传感器的动压信号进行圆周方向重构，可以解决传感器数量有限、采集误差大的问题。但其传感器采样频率达6kHz，而在机载环境下，发动机控制器的计算周期一般是5～20ms(50～200Hz)，这很难达到高频喘振信号检测的要求。因此，从机载应用角度针对发动机在翼运行时，控制系统只能依靠有限的机载测量参数进行喘振的检测和预处理，当前研究报道了一种基于压气机出口静压(Ps3，采样频率为50Hz)变化率的喘振检测方法[王玉东.基于压气机出口静压变化率的喘振检测方法[J].航空动力学报,2020,35(06):1131-1139.]，此方法主要通过导数离散算法实时计算压气机出口静压的一阶和二阶变化率，并基于转速等辅助参数形成联合判喘逻辑实现喘振的检测，即首先通过检测高压转速和压气机出口静压一阶变化率是否同时穿越阈值来初步确认喘振，再在计时周期内通过判断压气机出口静压二阶变化率或高压转速变化率是否穿越阈值来最终确定喘振。其测试结果表明系统响应时间短，检测时间低于半个喘振周期，实时检测成功率达到100％，虚警率低至0％，通过调节判喘阈值可实现喘振先兆的检测。但该方法需要设置较多的判断阈值(转速及转速变化率，静压一阶和二阶变化率的阈值)，而且这些阈值严重依赖于大量的发动机逼喘试验数据，试验成本高，且具有极大的试验风险。

发明内容

本发明所要解决的技术问题在于克服现有技术不足，提供一种航空发动机喘振先兆在线检测方法，可以极低成本实现在线喘振先兆预警，且预警时间大幅提高。

本发明具体采用以下技术方案解决上述技术问题：

一种航空发动机喘振先兆在线检测方法，通过对航空发动机的压气机出口静压低频采样信号进行时频分析来获取喘振先兆特征，并根据所述喘振先兆特征与预设阈值的比较结果实现喘振先兆在线检测；所述时频分析包括：模态分解、Hilbert变换、时频谱分析这三个步骤；所述模态分解为带自适应噪声的改进完备集成经验模态分解方法，具体包括以下步骤：

步骤1、k＝1，i＝1，在原始信号x(t)中加入噪声β₀E₁(w⁽ⁱ⁾(t))，并通过EMD算法对加入噪声的信号x⁽ⁱ⁾(t)＝x(t)+β₀E₁(w⁽ⁱ⁾(t))计算局部均值以获得第一个残差信号r₁(t)：r₁(t)＝<M(x⁽ⁱ⁾(t))>；其中，

ε₀为原始信号与第一次加入的噪声的信噪比的倒数，ε₀为分析信号与第一次加入的噪声的信噪比的倒数，w⁽ⁱ⁾(t)表示第i次加入的零均值单位方差的高斯白噪声，常数β_k＝ε_kstd(r_k(t))，β＞0，ε为信噪比的倒数，std表示求标准差函数，E_k(·)是产生对信号进行EMD后获得的第k个模态分量的算子，M(·)是产生当前信号局部均值的算子，<·>表示平均值计算符号；

步骤2、计算第一个模态

步骤3、k＝2，i＝2，将步骤1获得的残差信号r₁(t)加入所述高斯白噪声，得到r₁(t)+β₁E₂(w⁽ⁱ⁾(t))，并通过计算其局部均值获得第2个残差信号r₂(t)，计算第2个模态

步骤4、k＝k+1，i＝i+1，计算第k个残差信号r_k(t)：r_k(t)＝<M(r_k-1(t)+β_k-1E_k(w⁽ⁱ⁾(t)))>；步骤5、计算第k个模态

步骤6、判断残差信号(r_k)是否满足模态分解的结束条件：如果满足，则结束；否则返回到步骤4。

进一步地，在进行所述时频分析之前，先在航空发动机的压气机出口静压低频采样信号的首、尾分别添加一段数据段，并对添加了数据段的压气机出口静压低频采样信号进行模态分解、Hilbert变换，然后从Hilbert变换后所得到的时频谱的首、尾分别去除首、尾所添加数据段对应的时频谱，最后对所得到的时频谱进行时频谱分析。

进一步优选地，首、尾所添加的数据段中的数据值全部填充压气机出口静压低频采样信号的首、尾数据值。

优选地，所述喘振先兆特征为喘振先兆强度SPI，SPI值越大表明出现喘振的概率越大，其定义如下：

其中，A(t)为Hilbert时频谱分析得到的当前时刻的幅值序列，Ind₁和Ind₂为当前时刻时频谱中低频段幅值序列索引，3≤Ind₁≤Ind₂≤50。

基于同一发明构思还可以得到以下技术方案：

一种航空发动机喘振先兆在线检测装置，包括时频分析单元和在线检测单元，时频分析单元用于通过对航空发动机的压气机出口静压低频采样信号进行时频分析来获取喘振先兆特征，在线检测单元用于根据所述喘振先兆特征与预设阈值的比较结果实现喘振先兆在线检测；所述时频分析单元包括：模态分解模块、Hilbert变换模块、时频谱分析模块这三个模块；所述模态分解模块使用带自适应噪声的改进完备集成经验模态分解方法，具体包括以下步骤：

步骤1、k＝1，i＝1，在原始信号x(t)中加入噪声β₀E₁(w⁽ⁱ⁾(t))，并通过EMD算法对加入噪声的信号x⁽ⁱ⁾(t)＝x(t)+β₀E₁(w⁽ⁱ⁾(t))计算局部均值以获得第一个残差信号r₁(t)：r₁(t)＝<M(x⁽ⁱ⁾(t))>；其中，

ε₀为原始信号与第一次加入的噪声的信噪比的倒数，w⁽ⁱ⁾(t)表示第i次加入的零均值单位方差的高斯白噪声，常数β_k＝ε_kstd(r_k(t))，β＞0，ε为信噪比的倒数，std表示求标准差函数，E_k(·)是产生对信号进行EMD后获得的第k个模态分量的算子，M(·)是产生当前信号局部均值的算子，<·>表示平均值计算符号；

步骤2、计算第一个模态

步骤3、k＝2，i＝2，将步骤1获得的残差信号r₁(t)加入所述高斯白噪声，得到r₁(t)+β₁E₂(w⁽ⁱ⁾(t))，并通过计算其局部均值获得第2个残差信号r₂(t)，计算第2个模态

步骤4、k＝k+1，i＝i+1，计算第k个残差信号r_k(t)：r_k(t)＝<M(r_k-1(t)+β_k-1E_k(w⁽ⁱ⁾(t)))>；步骤5、计算第k个模态

步骤6、判断残差信号(r_k)是否满足模态分解的结束条件：如果满足，则结束；否则返回到步骤4。

进一步地，所述时频分析单元还包括：

数据段添加模块，设置于模态分解模块之前，用于在进行所述时频分析之前，先在航空发动机的压气机出口静压低频采样信号的首、尾分别添加一段数据段；数据段去除模块，设置于Hilbert变换模块与时频谱分析模块之间，用于从Hilbert变换后所得到的时频谱的首、尾分别去除首、尾所添加数据段对应的时频谱。

进一步优选地，首、尾所添加的数据段中的数据值全部填充压气机出口静压低频采样信号的首、尾数据值。

优选地，所述喘振先兆特征为喘振先兆强度SPI，SPI值越大表明出现喘振的概率越大，其定义如下：

其中，A(t)为Hilbert时频谱分析得到的当前时刻的幅值序列，Ind₁和Ind₂为当前时刻时频谱中低频段幅值序列索引，3≤Ind₁≤Ind₂≤50。

相比现有技术，本发明具有以下有益效果：

(1)本发明克服了现有技术无法实现对航空发动机机载环境下低频采样信号实时进行喘振先兆准确检测的难题，实现了机载环境下，基于低采样率压气机出口静压实时测量数据实现喘振先兆信号的准确检测。

(2)本发明解决了传统Hilbert-Huang变换算法中存在的模态混叠、难以实现信号重构、噪声残留、杂散模态以及端点效应等诸多不足问题，保证了对信号进行时频分析结果的准确性。

(3)本发明的检测成功率达100％，喘振先兆预警时间长达0.05～0.3s，为机载环境下的压气机主动稳定控制提供了更好的条件和更坚实的基础。

附图说明

图1为改进Hilbert-Huang变换时频分析算法的流程示意图；

图2为检测信号首尾数据处理方法原理图；

图3为滑动窗口原理图；

图4为本发明航空发动机喘振先兆在线检测装置的结构框架示意图；

图5为逻辑判断模块原理流程图。

图6为本发明所述方法试验检测结果图。

具体实施方式

针对现有技术无法实现对航空发动机机载环境下低频采样信号实时进行喘振先兆准确检测的难题，本发明的解决思路是通过对航空发动机的压气机出口静压低频采样信号进行时频分析来获取喘振先兆特征，并根据所述喘振先兆特征与预设阈值的比较结果实现喘振先兆在线检测，从而实现机载环境下，基于低采样率实时测量数据实现喘振先兆信号的准确检测。

本发明所提出的航空发动机喘振先兆在线检测方法，具体如下：

通过对航空发动机的压气机出口静压低频采样信号进行时频分析来获取喘振先兆特征，并根据所述喘振先兆特征与预设阈值的比较结果实现喘振先兆在线检测；所述时频分析包括：模态分解、Hilbert变换、时频谱分析这三个步骤；所述模态分解为带自适应噪声的改进完备集成经验模态分解方法，具体包括以下步骤：

步骤1、k＝1，i＝1，在原始信号x(t)中加入噪声β₀E₁(w⁽ⁱ⁾(t))，并通过EMD算法对加入噪声的信号x⁽ⁱ⁾(t)＝x(t)+β₀E₁(w⁽ⁱ⁾(t))计算局部均值以获得第一个残差信号r₁(t)：r₁(t)＝<M(x⁽ⁱ⁾(t))>；其中，

ε₀为原始信号与第一次加入的噪声的信噪比的倒数，w⁽ⁱ⁾(t)表示第i次加入的零均值单位方差的高斯白噪声，常数β_k＝ε_kstd(r_k(t))，β＞0，ε为信噪比的倒数，std表示求标准差函数，E_k(·)是产生对信号进行EMD后获得的第k个模态分量的算子，M(·)是产生当前信号局部均值的算子，<·>表示平均值计算符号；

步骤2、计算第一个模态

步骤3、k＝2，i＝2，将步骤1获得的残差信号r₁(t)加入所述高斯白噪声，得到r₁(t)+β₁E₂(w⁽ⁱ⁾(t))，并通过计算其局部均值获得第2个残差信号r₂(t)，计算第2个模态

步骤4、k＝k+1，i＝i+1，计算第k个残差信号r_k(t)：r_k(t)＝<M(r_k-1(t)+β_k-1E_k(w⁽ⁱ⁾(t)))>；步骤5、计算第k个模态

步骤6、判断残差信号(r_k)是否满足模态分解的结束条件：如果满足，则结束；否则返回到步骤4。

本发明所提出的航空发动机喘振先兆在线检测装置，包括时频分析单元和在线检测单元，时频分析单元用于通过对航空发动机的压气机出口静压低频采样信号进行时频分析来获取喘振先兆特征，在线检测单元用于根据所述喘振先兆特征与预设阈值的比较结果实现喘振先兆在线检测；所述时频分析单元包括：模态分解模块、Hilbert变换模块、时频谱分析模块这三个模块；所述模态分解模块使用带自适应噪声的改进完备集成经验模态分解方法，具体包括以下步骤：

步骤1、k＝1，i＝1，在原始信号x(t)中加入噪声β₀E₁(w⁽ⁱ⁾(t))，并通过EMD算法对加入噪声的信号x⁽ⁱ⁾(t)＝x(t)+β₀E₁(w⁽ⁱ⁾(t))计算局部均值以获得第一个残差信号r₁(t)：r₁(t)＝<M(x⁽ⁱ⁾(t))>；其中，

ε₀为原始信号与第一次加入的噪声的信噪比的倒数，w⁽ⁱ⁾(t)表示第i次加入的零均值单位方差的高斯白噪声，常数β_k＝ε_kstd(r_k(t))，β＞0，ε为信噪比的倒数，std表示求标准差函数，E_k(·)是产生对信号进行EMD后获得的第k个模态分量的算子，M(·)是产生当前信号局部均值的算子，<·>表示平均值计算符号；

步骤2、计算第一个模态

步骤3、k＝2，i＝2，将步骤1获得的残差信号r₁(t)加入所述高斯白噪声，得到r₁(t)+β₁E₂(w⁽ⁱ⁾(t))，并通过计算其局部均值获得第2个残差信号r₂(t)，计算第2个模态

步骤4、k＝k+1，i＝i+1，计算第k个残差信号r_k(t)：r_k(t)＝<M(r_k-1(t)+β_k-1E_k(w⁽ⁱ⁾(t)))>；步骤5、计算第k个模态

步骤6、判断残差信号(r_k)是否满足模态分解的结束条件：如果满足，则结束；否则返回到步骤4。

为了便于公众理解，下面结合附图来对本发明技术方案进行进一步详细说明：

研究发现压气机在稳态运行时，信号能量在频带上分布均匀，而在气动不稳定状态下，能量集中在喘振频率和失速频率上，信号脉冲强度显著增加。因此可考虑采用Hilbert-Huang变换时频分析法来对压气机出口静压低频采样信号进行处理，以快速准确地从中提取鲜明的喘振先兆特征。然而，传统的Hilbert-Huang变换时频分析法是通过经验模态分解(EMD)算法计算获得信号的本征模态函数(IMF)，此算法容易出现严重的模态混叠和端点效应现象，对时频分析结果具有很大影响，极易造成喘振先兆的误判。因而，传统Hilbert-Huang变换时频分析法不能被应用于航空发动机机载环境下低频采样信号中喘振先兆的实时分析与检测。为此，本发明进一步提出了一种改进Hilbert-Huang变换时频分析法，其基本流程如图1所示，主要包括模态分解、Hilbert变换、时频谱分析三个部分。其中模态分解采用全新设计的带自适应噪声的改进完备集成经验模态分解(简称ICEEMDAN)算法实现，该算法首先将对零均值高斯白噪声进行经验模态分解获得的噪声本征模态函数加入原始分析信号中，然后求解加入噪声的信号的局部均值，得到剩余信号残差并计算信号模态，最后通过循环计算得到原始分析信号的本征模态函数。它解决了当前模态分解方法中存在的模态混叠、难以实现信号重构、噪声残留以及杂散模态等诸多不足问题。

ICEEMDAN算法的具体实现如下：

在t时刻，定义x(t)为原始信号，设E_k(·)是产生对信号进行EMD后获得的第k个模态分量的算子，M(·)是产生当前信号局部均值的算子。于是有：E₁(·)＝x(t)-M(·)。然后，设w⁽ⁱ⁾(t)表示第i次加到原始信号中的零均值单位方差的高斯白噪声。常数β_k＝ε_kstd(r_k(t))(β＞0，ε为信噪比的倒数，std表示取标准差)。令<·>表示平均值计算符号。则本发明对信号进行模态分解的具体步骤如下：

Step1：k＝1，i＝1，通过EMD算法对加入的噪声β₀E₁(w⁽ⁱ⁾(t))后的信号x⁽ⁱ⁾(t)＝x(t)+β₀E₁(w⁽ⁱ⁾(t))进行计算局部均值以获得第一个残差信号r₁(t)：

r₁(t)＝<M(x⁽ⁱ⁾(t))>

Step2：在第一阶段计算第一个模态

Step3：k＝2，i＝2，将Step1获得的残差信号r₁(t)加入高斯白噪声，得到r₁(t)+β₁E₂(w⁽ⁱ⁾(t))，并通过计算其局部均值获得第2个残差信号；定义第2个模态

为：

Step4：k＝k+1，i＝i+1，计算第k个残差信号r_k(t)：

r_k(t)＝<M(r_k-1(t)+β_k-1E_k(w⁽ⁱ⁾(t)))>

Step5：计算第k个模态

Step6：判断残差信号r_k是否满足模态分解的结束条件：如果满足，则结束；否则返回到Step4。

模态分解结束后，原始信号可以用上述算法求得的K个IMF分量

加上1个残差信号r_K(t)的形式表示：

由于本发明所提出的改进Hilbert-Huang变换时频分析法中仍具有经验模态分解过程，时频谱存在端点效应现象。为解决这一问题，本发明进一步通过对原始分析信号首尾添加一定长度的数据段，组合成新的分析信号，然后对此新的分析信号进行时频谱分析，获得时间-幅值-频率，最后再删去首尾添加的数据段对应的时频谱，剩下的则为原始分析信号的时频谱，其原理如图2所示，具体为：在进行所述时频分析之前，先在航空发动机的压气机出口静压低频采样信号的首、尾分别添加一段数据段，并对添加了数据段的压气机出口静压低频采样信号进行模态分解、Hilbert变换，然后从Hilbert变换后所得到的时频谱的首、尾分别去除首、尾所添加数据段对应的时频谱，最后对所得到的时频谱进行时频谱分析。其中首尾所添加数据段的具体长度以及具体数据值可根据实际情况灵活设定；优选的方案为：首、尾所添加的数据段中的数据值全部填充压气机出口静压低频采样信号的首、尾数据值。

考虑对压气机喘振先兆的检测是对机载环境下实时压力数据的处理，本发明采用滑动窗口的方式来实现机载环境下低采样率压气机出口静压信号进行实时采样，如图3所示。

图4显示了本发明航空发动机喘振先兆在线检测装置的一种具体结构，其基本工作流程具体如下：

Step1：在机载环境下，压力传感器采集发动机压气机出口静压并以低采样率(50～200Hz)存储压力数据；

Step2：数据处理：设置滑动窗口(wlen为窗口大小，hop为窗口移动距离)，并对窗口中数据(原始分析数据)首尾添加合适长度的数据段，变成新的分析数据，即头部数据段(N1)的数据值全部填充原始分析数据的第一个数据的值，尾部数据段(N2)的数据值全部填充原始分析数据的最后一个数据值。其中，N1和N2大小的选择主要根据实际测试获得，它需满足原始数据段不会出现端点效应，但又不能取值过大导致计算量变大的条件。于是新的分析数据长度变为N1+N+N2。

Step3：对加长数据使用ICEEMDAN算法进行模态分解，得到本征模态函数；

Step4：根据本征模态函数进行Hilbert变换，获得由时间-频率-幅值组成的时频谱；

Step5：删去首尾添加的数据段对应的时频谱，则剩下的为原始分析信号的时频谱，并对其进行时频谱分析；

Step6：计算SPI：

定义如下式所示的喘振先兆强度(SPI)来表征压气机的稳定性状况，SPI值越大表明出现喘振的概率越大，统计Hilbert时频谱中当前时刻能反映喘振先兆特征的低频段幅值序列之和来表征当前时刻的喘振先兆强度SPI：

其中，A(t)为Hilbert时频谱分析得到的当前时刻的幅值序列，Ind₁和Ind₂为当前时刻时频谱中低频段幅值序列索引(Ind₁<Ind₂)，模态分解过程中获得的能反映喘振先兆特征的本征模态信号对应于Hilbert时频谱中的幅值序列均在低频段内，即幅值序列索引值在3～50之间；在索引值为1～2之间反映的是残差信号的幅值变化特征，无法区分喘振先兆，所以不计在内，故而有3≤Ind₁≤Ind₂≤50。

Step7：逻辑判断，其具体算法如图5所示：

①初始设置参数：喘振先兆判断阈值SPIthr，计时周期D，sFlag＝0，Flag＝0，m＝0，n＝0。

②根据Step6计算的SPI与SPIthr比较，如果SPI≥SPIthr，是，则sFlag＝1，进入⑥；如果否，则sFlag＝0，进入③。

③如果m＝＝1，则计时开始，n＝n+1，进入④；否，则进入⑥。

④如果n>D，进入⑥；否则进入⑤。

⑤sFlag＝1。

⑥n＝0,m＝sFlag。

⑦输出sFlag的值，并返回m和n的值到③。

Step8：根据sFlag值发出喘振先兆预警信号。

为了验证本发明的技术效果，将其与参考文献[王玉东.基于压气机出口静压变化率的喘振检测方法[J].航空动力学报,2020,35(06):1131-1139.]所提出的方法进行对比，对比结果如图6所示。从图6可看出，本发明方法均能提前检测出喘振先兆并发出预警信号。同时通过多组不同发动机逼喘实验数据均验证了本发明方法的有效性和通用性，统计得出喘振先兆预警时间裕度范围可达0.05～0.3s，且判别成功率100％。

Claims (6)

1.一种航空发动机喘振先兆在线检测方法，其特征在于，通过对航空发动机的压气机出口静压低频采样信号进行时频分析来获取喘振先兆特征，并根据所述喘振先兆特征与预设阈值的比较结果实现喘振先兆在线检测；所述喘振先兆特征为喘振先兆强度SPI，SPI值越大表明出现喘振的概率越大，其定义如下：

其中，A(t)为Hilbert时频谱分析得到的当前时刻的幅值序列，Ind₁和Ind₂为当前时刻时频谱中低频段幅值索引，3≤Ind₁≤Ind₂≤50；

所述时频分析包括：模态分解、Hilbert变换、时频谱分析这三个步骤；所述模态分解为带自适应噪声的改进完备集成经验模态分解方法，具体包括以下步骤：

步骤1、k＝1，i＝1，在原始信号x(t)中加入噪声β₀E₁(w⁽ⁱ⁾(t))，并通过EMD算法对加入噪声的信号x⁽ⁱ⁾(t)＝x(t)+β₀E₁(w⁽ⁱ⁾(t))计算局部均值以获得第一个残差信号r₁(t)：r₁(t)＝M(x⁽ⁱ⁾(t))；其中，

ε₀为原始信号与第一次加入的噪声的信噪比的倒数，w⁽ⁱ⁾(t)表示第i次加入的零均值单位方差的高斯白噪声，常数β_k＝ε_kstd(r_k(t))，β＞0，ε为信噪比的倒数，std表示求标准差函数，E_k(·)是产生对信号进行EMD后获得的第k个模态分量的算子，M(·)是产生当前信号局部均值的算子，·表示平均值计算符号；

步骤2、计算第一个模态

步骤3、k＝2，i＝2，将步骤1获得的残差信号r₁(t)加入所述高斯白噪声，得到r₁(t)+β₁E₂(w⁽ⁱ⁾(t))，并通过计算其局部均值获得第2个残差信号r₂(t)，计算第2个模态

步骤4、k＝k+1，i＝i+1，计算第k个残差信号r_k(t)：r_k(t)＝M(r_k-1(t)+β_k-1E_k(w⁽ⁱ⁾(t)))；

步骤5、计算第k个模态

步骤6、判断残差信号r_k是否满足模态分解的结束条件：如果满足，则结束；否则返回到步骤4。

2.如权利要求1所述航空发动机喘振先兆在线检测方法，其特征在于，在进行所述时频分析之前，先在航空发动机的压气机出口静压低频采样信号的首、尾分别添加一段数据段，并对添加了数据段的压气机出口静压低频采样信号进行模态分解、Hilbert变换，然后从Hilbert变换后所得到的时频谱的首、尾分别去除首、尾所添加数据段对应的时频谱，最后对所得到的时频谱进行时频谱分析。

3.如权利要求2所述航空发动机喘振先兆在线检测方法，其特征在于，首、尾所添加的数据段中的数据值全部填充压气机出口静压低频采样信号的首、尾数据值。

4.一种航空发动机喘振先兆在线检测装置，其特征在于，包括时频分析单元和在线检测单元，时频分析单元用于通过对航空发动机的压气机出口静压低频采样信号进行时频分析来获取喘振先兆特征，在线检测单元用于根据所述喘振先兆特征与预设阈值的比较结果实现喘振先兆在线检测；所述喘振先兆特征为喘振先兆强度SPI，SPI值越大表明出现喘振的概率越大，其定义如下：

其中，A(t)为Hilbert时频谱分析得到的当前时刻的幅值序列，Ind₁和Ind₂为当前时刻时频谱中低频段幅值序列索引，3≤Ind₁≤Ind₂≤50；

所述时频分析单元包括：模态分解模块、Hilbert变换模块、时频谱分析模块这三个模块；所述模态分解模块使用带自适应噪声的改进完备集成经验模态分解方法，具体包括以下步骤：

步骤1、k＝1，i＝1，在原始信号x(t)中加入噪声β₀E₁(w⁽ⁱ⁾(t))，并通过EMD算法对加入噪声的信号x⁽ⁱ⁾(t)＝x(t)+β₀E₁(w⁽ⁱ⁾(t))计算局部均值以获得第一个残差信号r₁(t)：r₁(t)＝M(x⁽ⁱ⁾(t))；其中，

ε₀为原始信号与第一次加入的噪声的信噪比的倒数，w⁽ⁱ⁾(t)表示第i次加入的零均值单位方差的高斯白噪声，常数β_k＝ε_kstd(r_k(t))，β＞0，ε为信噪比的倒数，std表示求标准差函数，E_k(·)是产生对信号进行EMD后获得的第k个模态分量的算子，M(·)是产生当前信号局部均值的算子，·表示平均值计算符号；

步骤2、计算第一个模态

步骤3、k＝2，i＝2，将步骤1获得的残差信号r₁(t)加入所述高斯白噪声，得到r₁(t)+β₁E₂(w⁽ⁱ⁾(t))，并通过计算其局部均值获得第2个残差信号r₂(t)，计算第2个模态

步骤4、k＝k+1，i＝i+1，计算第k个残差信号r_k(t)：r_k(t)＝M(r_k-1(t)+β_k-1E_k(w⁽ⁱ⁾(t)))；

步骤5、计算第k个模态

步骤6、判断残差信号r_k是否满足模态分解的结束条件：如果满足，则结束；否则返回到步骤4。

5.如权利要求4所述航空发动机喘振先兆在线检测装置，其特征在于，所述时频分析单元还包括：

数据段添加模块，设置于模态分解模块之前，用于在进行所述时频分析之前，先在航空发动机的压气机出口静压低频采样信号的首、尾分别添加一段数据段；

数据段去除模块，设置于Hilbert变换模块与时频谱分析模块之间，用于从Hilbert变换后所得到的时频谱的首、尾分别去除首、尾所添加数据段对应的时频谱。

6.如权利要求5所述航空发动机喘振先兆在线检测装置，其特征在于，首、尾所添加的数据段中的数据值全部填充压气机出口静压低频采样信号的首、尾数据值。

Images