CN116577054A - 一种叶片振动监测方法 - Google Patents

一种叶片振动监测方法 Download PDF

Info

Publication number
CN116577054A
CN116577054A CN202310791936.XA CN202310791936A CN116577054A CN 116577054 A CN116577054 A CN 116577054A CN 202310791936 A CN202310791936 A CN 202310791936A CN 116577054 A CN116577054 A CN 116577054A
Authority
CN
China
Prior art keywords
blade
vibration
frequency
angular velocity
instantaneous
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
Application number
CN202310791936.XA
Other languages
English (en)
Inventor
刘晓锋
何小锋
何利鹏
张泰岩
戴兴干
徐斌
杜阔
马运翔
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.)
Jiangsu Fangtian Power Technology Co Ltd
Original Assignee
Jiangsu Fangtian Power Technology Co Ltd
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 Jiangsu Fangtian Power Technology Co Ltd filed Critical Jiangsu Fangtian Power Technology Co Ltd
Priority to CN202310791936.XA priority Critical patent/CN116577054A/zh
Publication of CN116577054A publication Critical patent/CN116577054A/zh
Pending legal-status Critical Current

Links

Classifications

    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00Energy generation through renewable energy sources
    • Y02E10/70Wind energy
    • Y02E10/72Wind turbines with rotation axis in wind direction

Landscapes

  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明公开了一种叶片振动监测方法,包括计算叶片转轴的瞬时扭角速度;获取消除横振后的瞬时扭角速度;将等时间间隔采样瞬时扭角速度进行重采样得到等角度采样瞬时扭角速度;将等角度采样瞬时扭角速度分解为IMF分量和残余分量;将固有模态函数降噪,提取主IMF分量,并进行Hilbert变换获得包络频谱,分析频谱中是否存在叶片固有振动频率,如果频谱中存在叶片固有振动频率,则通过频率和幅值评估叶片振动状态。本发明通过非侵入方式从扭转信号中获取叶片振动,克服了现有技术叶片振动监测中由于侵入性过高而导致的施工难度大、破坏性强、设备成本和复杂度高、安全性差的问题。本发明方法可靠、简单、成本低,可满足叶片健康监测要求。

Description

一种叶片振动监测方法
技术领域:
本发明叶片健康检测技术领域,具体涉及一种叶片振动监测方法。
背景技术:
汽轮机和燃气轮机等旋转机械的可靠性叶片健康监测(BHM)技术,几十年来一直是动力机械安全运行和降低维护成本研究的主题。旋转叶片振动是旋转机械中最严重的振动故障之一。叶片失效模式通常由于裂纹、高循环应力、叶片摩擦、叶根松动、侵蚀退化和腐蚀。透平叶片不断受到脉动气流力的作用,叶片产生振动。当激振力频率等于叶片自振频率时产生共振,会使叶片疲劳断裂。因此,早期故障检测对于减少叶片相关故障非常重要,因此需要可靠且简单的叶片健康监测(BHM)技术。
目前的分析评估叶片振动状态的方法包括:(1)分析现场测量的汽轮机稳态和瞬态运行期间轴承座的振动数据了解设备动力学特性,并确定低压末级叶片故障的根本原因。但这种观察包含的信息非常有限;(2)叶片上的应变测量是另一种方法,在可以测量叶片应变的地方直接测量,因此可估算应力和可能的剩余叶片寿命;(3)叶片尖端时间(BTT)近年来受到了关注,它可以识别高振动的叶片。测量原理如附图1所示,利用电涡流传感器和红外测温传感器,汽轮机叶片健康监测系统能同时对叶片振动、顶间隙和叶片金属温度进行实时监测。主要由待测旋转部件、传感器、前置模块、采集卡、就地显示器、防火墙、单向隔离网闸和远程监控端构成。传感器将接收到的叶片信号传输至前置模块,前置模块将连续的电信号转换为脉冲信号,再进行数字化、滤波、软件分析等处理,在显示界面展示叶片的运行参数。
然而,BTT和应变测量方法都是侵入性过高的测量方法,需要在机壳内部靠近叶片部位安装传感器。一般情况下,叶片都是在极端环境条件下工作,比如高速旋转、高温、湿度大等,对传感器性能和可靠性要求极高,侵入性过高的测量方法存在三大难点:1、安装需要在原设备本体结构上进行改造,难度大施工时间长,破坏原设计,设备管理者一般不会同意;2、监测装置在极端条件下轻则出现测试不准确、信号丢失等故障,但机组运行过程中,无法维修,重则监测传感器或线缆脱落与高速旋转叶片碰撞,造成设备损坏;3、监测设备成本和复杂度较高。
因此,本发明提供一种可靠、简单、低成本、非接触式并可满足BHM要求的叶片振动监测方法以解决上述问题,降低安全风险。
发明内容:
本发明的目的是针对现有技术的不足,提供一种叶片振动监测方法。叶片的横向振动常被传递到转子上,转轴将出现扭转振动,而轴的瞬时角速度(IAS)将受到转轴扭转振动的影响。本发明在设备升速期间,依据测量的编码器数据,从中提取瞬时角速度,得到扭振信号,通过扭振信号分析评估叶片振动状况。
本发明采用以下技术方案:
本发明提供一种叶片振动监测方法,包括以下步骤:
S1、计算叶片转轴的瞬时扭角速度;
S2、消除转子横向振动的影响,得到消除横振后的瞬时扭角速度,即等时间间隔采样瞬时扭角速度;
S3、将等时间间隔采样瞬时扭角速度进行重采样得到等角度采样瞬时扭角速度;
S4、将等角度采样瞬时扭角速度进行经验模态分解,将等角度采样瞬时扭角速度分解为IMF分量和残余分量;
S5、将固有模态函数降噪,提取主IMF分量,并对每一个IMF分量进行Hilbert变换获得其包络频谱,分析频谱中是否存在叶片固有振动频率,如果频谱中存在叶片固有振动频率,则通过频率和幅值评估叶片振动状态。
进一步的,所述步骤S1具体包括:
S1.1、设采样的周期数为m(m为8,16,32,64,……),使用高速采集卡采集编码器每个脉冲到达扭振传感器的时间,对第一扭振传感器形成时间信号序列Ttor1,Ttor1(Δt1,Δt2,…,ΔtmN),对第二扭振传感器形成时间信号序列Ttor2,Ttor2(Δt1,Δt2,…,ΔtmN);
S1.2、计算对应的脉冲处的瞬时角速度:n=1,2,3.....,mN,Δθn为编码器脉冲间隔角度,/>N为编码器齿数,瞬时角速度公式/>该脉冲相对于键相触发时刻的时间为/>(i=1,2,mN),对应的瞬时角速度为:平均角速度为:/>则轴系的瞬时扭角速度:
进一步的,所述步骤S2具体包括:第一扭振传感器得到的瞬时扭角速度序列标记为:(n=1,2,3.....,mN),第二扭振传感器得到的瞬时扭角速度序列标记为:/>(n=1,2,3.....,mN),则消除横振后的瞬时扭角速度信号:/>
进一步的,所述步骤S3具体包括:利用键相脉冲时间序列Tkey(T1,T2,…,Tn),(n=1,2,3.....,m;m个周期),一转一个脉冲作为每个周期的起始基准点,标记在扭振序列的波形上;通过编码器在一个周期内的脉冲时间序列:TCODER(Δt1,Δt2,…,ΔtmN),计算转速瞬时曲线RPM(t)和瞬时频率f;根据转速瞬时曲线RPM(t)和瞬时频率f,插值计算等角度重采样时间序列,采用插值滤波器对编码器脉冲时间序列TCODER(Δt1,Δt2,…,ΔtmN)进行插值,等角度间隔为N为编码器齿数,得到角域等角度扭振信号每一样本对应的时间序列Tθ(Δtθ1,Δtθ2,…,ΔtθmN),按照此时间序列,将等时间间隔采样瞬时扭角速度/>插值计算得到等角度采样瞬时扭角速度/>即等角度扭振信号波形。
进一步的,所述步骤S4中,等角度采样瞬时扭角速度经验模态分解算法为:/>式中,l全部IMF的个数,r(t)是筛选过程的最终残余量。
进一步的,所述步骤S4具体包括:
S4.1、计算全部极值点,通过插值将局部极大值点连成上包络线,将局部极小值点连成下包络线,上、下包络线包含所有的数据点;
S4.2、由上包络线和下包络线的平均值得出剩余信号:
若h1(t)满足IMF的条件,则h1(t)是的第一个IMF分量;
S4.3、将IMF1(t)从信号中分离,得到剩余分量:
将r1(t)作为原始信号重复上述三个步骤,循环n次,得到第二个IMF分量IMF2(t),直到得出第n个IMFn(t)分量;
S4.4、当rn(t)变成单调函数后,成为残余分量,所有IMF分量和残余分量之和为原始信号
进一步的,所述步骤S5具体包括:
S5.1、将分解为若干本征模函数IMF及余项r的和,IMF1,IMF2,IMF3,…,IMFn中包含从高频到低频的不同频率成分;
S5.2、求取各本征模函数IMF1,IMF2,IMF3,…,IMFn与的相关系数,根据相关系数序列值及其极值特征提取主IMF分量;
S5.3、对每一个主IMF分量进行Hilbert变换,获得其包络信号频谱;
S5.4、分析所得的包络信号频谱中是否含有转子叶片固有振动频率,若频谱中所含频率与叶片固有振动频率的分散度在8%以内,则频谱中存在叶片固有振动频率,通过频率和幅值评估叶片振动状态。
进一步的,所述步骤S5.4中,所述叶片固有振动频率取叶片的前四阶振型fblade-1ord,fblade-2ord,fblade-3ord和fblade-4ord的固有振动频率;所述叶片固有振动频率通过实测或计算获得。
进一步的,所述步骤S5.4中,取与相关系数大于0.5的IMF分量保留,作为主IMF分量。
进一步的,本发明叶片振动监测装置包括编码器、第一扭振传感器、第二扭振传感器、采集装置和数据分析装置;所述编码器安装在叶片的转轴上;所述第一扭振传感器和第二扭振传感器非接触安装在编码器圆周处,第一扭振传感器和第二扭振传感器对称分布在编码器两侧;所述叶片的转子上开设有键槽,转动过程中产生键相信号;所述采集装置采集编码器每个脉冲到达第一扭振传感器和第二扭振传感器的时间,以及键槽产生的键相信号。
本发明的有益效果:
(1)本发明设计了一种叶片振动监测方法,在设备升速期间,依据扭振传感器测量的编码器数据,从中提取瞬时角速度,通过瞬时角速度能够计算出扭转振动的幅度,通过对扭转振动的经验模态分析,提取叶片的固有振动频率和幅值,即可对叶片状态进行评估。
(2)本发明通过非侵入方式从扭转信号中获取叶片振动,克服了现有技术叶片振动监测中由于侵入性过高而导致的施工难度大、破坏性强、设备成本和复杂度高、安全性差的问题。本发明方法准确可靠、简单、成本低,可满足叶片健康监测要求。
附图说明:
图1为叶片振动监测方法(BTT)流程图;
图2为本发明叶片振动监测方法流程图;
图3为本发明等角度扭振信号采样流程图;
图4为本发明EMD筛选流程图;
图5为本发明固有模态函数降噪和包络分析获取叶片振动模态流程图;
图1中标记为:
1、2、3为传感器;4为信号线;5为前置模块;6为网线;7为工控机;8为显示器;9为防火墙;10为单向隔离网闸;11为远程监控终端。
具体实施方式:
为使本发明实施例的目的、技术方案和优点更加清楚,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,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
电力、能源、石化机组中的汽轮机、压缩机、压气机、大型风机等重大旋转机械需365天×24小时连续工作,且需变工况灵活运行,对转子及动叶片的安全监测和健康管理需求迫切,一旦停机,会造成重大的经济、社会损失。叶片振动在线检测是预测疲劳失效、叶片故障诊断、实现安全运营的重要手段。
叶片的一阶振型为A0型切向弯曲振动,二阶振型为A0型切向弯曲和N0型扭转综合的复合振动,三阶振型为N0型扭转振动,四阶振型为A0型切向和N0型扭转综合的复合振动。这些叶片的横向振动和扭转振动被传递到转子上,造成转子的扭矩波动,转子的扭矩波动会产生扭振,使转轴出现扭转振动。转轴的扭转振动会引起轴的瞬时角速度(IAS)变化,测量瞬时角速度能够计算出扭转振动的幅度,通过对扭转振动的经验模态分析,提取叶片的固有振动频率和幅值,对叶片状态进行评估。
本发明在设备升速期间,依据扭振传感器测量的编码器数据,从中提取瞬时角速度,得到扭振信号,通过扭振信号评估叶片振动状态。总体流程图如图2所示。
以下详细介绍本发明叶片振动监测过程:
一、计算叶片转轴的瞬时扭角速度(扭振)。
在叶片转轴上安装编码器,转子每旋转一周可产生N个脉冲序列信号,(提供脉冲序列信号可以是:编码器、齿轮盘、反光斑马带,为了保证测试精度优选编码器,转子每旋转一周可以产生100~1000个脉冲序列)。采集装置测量编码器脉冲序列信号,同时接入转轴键相参考信号,键相信号由转子上的键槽产生,转子每旋转一周提供1个脉冲信号。键相参考的作用:(1)作为采集仪器开始采集的触发信号;(2)标记叶片角度、扭振相位的基准参考点;(3)等角度扭振信号时序信号时序基准点。
在编码器圆周非接触安装第一扭振传感器和第二扭振传感器,180度对称布置(为了消除扭振信号中的横振信号),键相信号触发采集仪器开始采集,同时测量编码器产生的脉冲序列。
(1)设采样的周期数为m(m为8,16,32,64,……),使用高速采集卡采集编码器每个脉冲到达扭振传感器的时间,对第一扭振传感器形成时间信号序列Ttor1,Ttor1(Δt1,Δt2,…,ΔtmN),对第二扭振传感器形成时间信号序列Ttor2,Ttor2(Δt1,Δt2,…,ΔtmN);
(2)计算对应的脉冲处的瞬时角速度:n=1,2,3.....,mN,Δθn为编码器脉冲间隔角度,/>N为编码器齿数,瞬时角速度公式/>该脉冲相对于键相触发时刻的时间为/>(i=1,2,mN),对应的瞬时角速度为:
平均角速度为:
则轴系的瞬时扭角速度(扭振):
二、消除横振影响。
转子扭转振动会受到转子横向振动的影响,应该消除。
第一扭振传感器得到的瞬时扭角速度序列标记为:(n=1,2,3.....,mN);
第二扭振传感器得到的瞬时扭角速度序列标记为:(n=1,2,3.....,mN);
则消除横振后的瞬时扭角速度信号:
三、获取等角度采样瞬时扭角速度。
实际采样过程中由于扭振会造成旋转轴转速波动,但采集装置采样的时间间隔相等,采样频率fs固定不变,每一个脉冲信号的周期Ti是不相等的,不断变化的。另一方面由于齿盘加工或者安装的误差,编码器每个脉冲间的角度也不是等分的。这就导致等时间间隔采样对应的角度间隔并不相等,数据的后期处理如频谱分析就会产生偏差,频率模糊。因此需将等时间间隔采样扭转信号进行重采样得到等角度扭振信号。
具体过程参照图3所示。
前面测量到的扭振信号序列并不是等角度的,直接进行频谱分析会产生频谱模糊,因此,利用键相脉冲时间序列Tkey(T1,T2,…,Tn),(n=1,2,3.....,m;m个周期),一转一个脉冲作为每个周期的起始基准点,标记在扭振序列的波形上;
通过编码器在一个周期内的脉冲时间序列:TCODER(Δt1,Δt2,…,ΔtmN),计算转速瞬时曲线RPM(t)和瞬时频率f;
根据转速瞬时曲线RPM(t)和瞬时频率f,插值计算等角度重采样时间序列,采用插值滤波器对编码器脉冲时间序列TCODER(Δt1,Δt2,…,ΔtmN)进行插值,等角度间隔为N为编码器齿数,得到角域等角度扭振信号每一样本对应的时间序列Tθ(Δtθ1,Δtθ2,…,ΔtθmN),按照此等角度重采样时间序列,将等时间间隔采样瞬时扭角速度/>插值计算得到等角度采样瞬时扭角速度/>即得到等角度扭振信号波形。
四、扭振信号固有模态分解。
因为叶片的横向扭转振动是转子扭振的激励,扭振的频率和幅值与叶片振动大小幅值相关,扭振谐波的相位就是叶片振动的位置。
本发明的目的是从扭振信号中识别叶片振动模态,根据经验模态分解(EMD)的理论,任何信号都是由不同的简单固有模态组成的(模态反应结构自身固有特性,通常包含频率、振型)。经验模态分解的基本思想:将一个频率不规则的信号波形化为多个单一频率的波+残波的形式。原波形上述分解过程中产生的r(t)称为数据序列的“残余量”,表示该信号的趋势,在经过信号的筛选过程后,原始信号可以表示为一定数目IMF及残余项的和。
考虑一个扭振序列经验模态分解算法为如下:
式中,l是全部IMF的个数,r(t)是筛选过程的最终残余量。从图4中EMD的筛选过程可以看出,IMF的筛选过程总是体现先高频,然后依次分解出低频、较低频,即EMD是有规律的。
本发明复杂信号的EMD分解步骤如下:
步骤一、计算全部极值点,通过插值将局部极大值点连成上包络线,将局部极小值点连成下包络线,上、下包络线包含所有的数据点;
步骤二、由上包络线和下包络线的平均值得出剩余信号:
若h1(t)满足IMF的条件,则h1(t)是的第一个IMF分量;
固有模态函数的两个必要条件包括:
1、在整个数据集,局部极大值与局部极小值数目之和必须与过零点的数目相等或至多相差一个;
2、在任意时间点,局部极大值所定义的上包络线与局部极小值所定义的下包络线均值为零。
步骤三、将IMF1(t)从信号中分离,得到剩余分量:
将r1(t)作为原始信号重复上述三个步骤,循环n次,得到第二个IMF分量IMF2(t),
直到得出第n个IMFn(t)分量;
步骤四、当rn(t)变成单调函数后,成为残余分量,所有IMF分量和残余分量之和为原始信号
五、固有模态函数降噪。
为了避免将幅值较小而又是真实的IMF分量被去除,需要对IMF分量和原信号的自相关函数做归一化处理。这样得到的相关系数具有较强的区分性,可将真实IMF分量和属于噪声的IMF分量进行有效区分,用保留下来的IMF分量重构信号,达到降噪目的。
首先,计算出各IMF分量的自相关函数和原信号的自相关函数以凸显其周期性;然后,求各IMF分量自相关函数与原信号自相关函数的相关性,即相关系数。具体为:
步骤一、将分解为若干本征模函数IMF及余项r的和,IMF1,IMF2,IMF3,…,IMFn中包含从高频到低频的不同频率成分;
步骤二、求取各本征模函数IMF1,IMF2,IMF3,…,IMFn与的相关系数,取与/>相关系数大于0.5的IMF分量保留,作为主IMF分量;
步骤三、对每一个固有模态函数IMFdenoise(t),即主IMF分量进行Hilbert变换,获得其包络信号频谱;
步骤四、分析所得的包络信号频谱中是否含有转子叶片固有振动频率,若频谱中所含频率与叶片固有振动频率(取叶片的前四阶振型fblade-1ord,fblade-2ord,fblade-3ord和fblade-4ord的固有振动频率,通过实测或计算获得)的分散度在8%以内,则频谱中存在叶片固有振动频率,通过频率和幅值评估叶片振动状态。
以上仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,应本发明的保护范围。

Claims (9)

1.一种叶片振动监测方法,其特征在于,包括以下步骤:
S1、计算叶片转轴的瞬时扭角速度;
S2、消除转子横向振动的影响,得到消除横振后的瞬时扭角速度,即等时间间隔采样瞬时扭角速度;
S3、将等时间间隔采样瞬时扭角速度进行重采样得到等角度采样瞬时扭角速度;
S4、将等角度采样瞬时扭角速度进行经验模态分解为IMF分量和残余分量;
S5、将固有模态函数降噪,提取主IMF分量,并对每一个IMF分量进行Hilbert变换获得其包络频谱,分析频谱中是否存在叶片固有振动频率,如果频谱中存在叶片固有振动频率,则通过频率和幅值评估叶片振动状态。
2.根据权利要求1所述的叶片振动监测方法,其特征在于,
所述步骤S1具体包括:
S1.1、设采样的周期数为m(m为8,16,32,64,……),使用高速采集卡采集编码器每个脉冲到达扭振传感器的时间,对第一扭振传感器形成时间信号序列Ttor1,Ttort(Δt1,Δt2,…,ΔtmN),对第二扭振传感器形成时间信号序列Ttor2,Ttor2(Δt1,Δt2,…,ΔtmN);
S1.2、计算对应的脉冲处的瞬时角速度:Δθn为编码器脉冲间隔角度,/>N为编码器齿数,瞬时角速度公式/>该脉冲相对于键相触发时刻的时间为/>对应的瞬时角速度为:
平均角速度为:
则轴系的瞬时扭角速度:
3.根据权利要求1所述的叶片振动监测方法,其特征在于,
所述步骤S2具体包括:
第一扭振传感器得到的瞬时扭角速度序列标记为:
第二扭振传感器得到的瞬时扭角速度序列标记为:/>
则消除横振后的瞬时扭角速度信号:
4.根据权利要求1所述的叶片振动监测方法,其特征在于,
所述步骤S3具体包括:
利用键相脉冲时间序列Tkey(T1,T2,…,Tn),n=1,2,3.....,m,m为周期数,一转一个脉冲作为每个周期的起始基准点,标记在扭振序列的波形上;
通过编码器在一个周期内的脉冲时间序列:TCODER(Δt1,Δt2,…,ΔtmN),计算转速瞬时曲线RPM(t)和瞬时频率f;
根据转速瞬时曲线RPM(t)和瞬时频率f,插值计算等角度重采样时间序列,采用插值滤波器对编码器脉冲时间序列TCODER(Δt1,Δt2,…,ΔtmN)进行插值,等角度间隔为N为编码器齿数,得到角域等角度扭振信号每一样本对应的时间序列Tθ(Δtθ1,Δtθ2,…,ΔtθmN),按照此时间序列,将等时间间隔采样瞬时扭角速度/>插值计算得到等角度采样瞬时扭角速度/>
5.根据权利要求1所述的叶片振动监测方法,其特征在于,
所述步骤S4中,等角度采样瞬时扭角速度经验模态分解算法为:
式中,l全部IMF的个数,r(t)是筛选过程的最终残余量。
6.根据权利要求1所述的叶片振动监测方法,其特征在于,
所述步骤S4具体包括:
S4.1、计算全部极值点,通过插值将局部极大值点连成上包络线,将局部极小值点连成下包络线,上、下包络线包含所有的数据点;
S4.2、由上包络线和下包络线的平均值得出剩余信号:
若h1(t)满足IMF的条件,则h1(t)是的第一个IMF分量;
S4.3、将IMF1(t)从信号中分离,得到剩余分量:
将r1(t)作为原始信号重复上述三个步骤,循环n次,得到第二个IMF分量IMF2(t),直到得出第n个IMFn(t)分量;
S4.4、当rn(t)变成单调函数后,成为残余分量,所有IMF分量和残余分量之和为原始信号
7.根据权利要求1所述的叶片振动监测方法,其特征在于,
所述步骤S5具体包括:
S5.1、将分解为若干本征模函数IMF及余项r的和,IMF1,IMF2,IMF3,…,
IMFn中包含从高频到低频的不同频率成分;
S5.2、求取各本征模函数IMF1,IMF2,IMF3,…,IMFn与的相关系数,根据相关系数序列值及其极值特征提取主IMF分量;
S5.3、对每一个主IMF分量进行Hilbert变换,获得其包络信号频谱;
S5.4、分析所得的包络信号频谱中是否含有转子叶片固有振动频率,若频谱中所含频率与叶片固有振动频率的分散度在8%以内,则频谱中存在叶片固有振动频率,通过频率和幅值评估叶片振动状态。
8.根据权利要求7所述的叶片振动监测方法,其特征在于,
所述步骤S5.4中,所述叶片固有振动频率取叶片的前四阶振型fblade-1ord、fblade-2ord、fblade-3ord和fblade-4ord的固有振动频率;
所述叶片固有振动频率通过实测或计算获得。
9.根据权利要求7所述的叶片振动监测方法,其特征在于,
所述步骤S5.4中,取与相关系数大于0.5的IMF分量保留,作为主IMF分量。
CN202310791936.XA 2023-06-30 2023-06-30 一种叶片振动监测方法 Pending CN116577054A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310791936.XA CN116577054A (zh) 2023-06-30 2023-06-30 一种叶片振动监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310791936.XA CN116577054A (zh) 2023-06-30 2023-06-30 一种叶片振动监测方法

Publications (1)

Publication Number Publication Date
CN116577054A true CN116577054A (zh) 2023-08-11

Family

ID=87539937

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310791936.XA Pending CN116577054A (zh) 2023-06-30 2023-06-30 一种叶片振动监测方法

Country Status (1)

Country Link
CN (1) CN116577054A (zh)

Similar Documents

Publication Publication Date Title
US9739167B2 (en) Method and system for monitoring rotating blade health
CN111397877B (zh) 一种旋转机械拍振故障检测与诊断方法
JP2824523B2 (ja) 振動部材の疲れ測定方法および装置
GB2374670A (en) Vibration analysis of rotating blades using timing probe and single strain gauge
CN110686764A (zh) 基于全相位差分原理的恒速叶片异步振动频率测量方法
CN110346591A (zh) 基于振动频谱图确定机器转速
CN112461934B (zh) 一种基于声发射的航空发动机叶片裂纹源定位方法
Lin et al. A review and strategy for the diagnosis of speed-varying machinery
CN110186549A (zh) 基于叶尖定时传感器的叶片振动识别方法
Li et al. Application of a Method of Identifiying Instantaneous Shaft Speed from Spectrum in Aeroengine Vibration Analysis
CN110259524A (zh) 测量带冠叶片同步振动及节径的装置和方法
Wang et al. An OPR-free blade tip timing method for rotating blade condition monitoring
CN116950917A (zh) 基于叶尖定时的大型离心压缩机叶片裂纹在线诊断方法
Thanagasundram et al. Comparison of integrated micro-electrical-mechanical system and piezoelectric accelerometers for machine condition monitoring
Wu et al. Blade tip timing: from raw data to parameters identification
Fan et al. An improved multiple per revolution-based blade tip timing method and its applications on large-scale compressor blades
CN106092534A (zh) 叶片模态阻尼测定方法
CN111174903B (zh) 一种透平机械故障的诊断方法
CN116577054A (zh) 一种叶片振动监测方法
CN114486252B (zh) 一种矢量模极大值包络的滚动轴承故障诊断方法
CN113533529B (zh) 单个或均布叶端定时传感器提取叶片间固有频率差值方法
CN113358210B (zh) 一种基于压力脉动的增压器涡轮叶片振动监测方法
CN115683644A (zh) 航空发动机双源拍振特征识别方法
Thanagasundram et al. Autoregressive based diagnostics scheme for detection of bearing faults
CN114091544A (zh) 基于振动信号与神经网络的tbm盘形滚刀磨损识别系统

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