RU2754479C1 - Способ вибродиагностики технического состояния газотурбинных двигателей на ресурсосберегающих режимах с применением теории инвариантов - Google Patents
Способ вибродиагностики технического состояния газотурбинных двигателей на ресурсосберегающих режимах с применением теории инвариантов Download PDFInfo
- Publication number
- RU2754479C1 RU2754479C1 RU2020139852A RU2020139852A RU2754479C1 RU 2754479 C1 RU2754479 C1 RU 2754479C1 RU 2020139852 A RU2020139852 A RU 2020139852A RU 2020139852 A RU2020139852 A RU 2020139852A RU 2754479 C1 RU2754479 C1 RU 2754479C1
- Authority
- RU
- Russia
- Prior art keywords
- gas turbine
- vibration
- diagnostics
- invariants
- turbine engines
- Prior art date
Links
Images
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
Предлагаемое изобретение относится к способам вибрационной диагностики механизмов периодического действия, в частности к способу вибродиагностирования газотурбинных двигателей (ГТД). Цель изобретения - повысить точность, достоверность и оперативность диагностирования ГТД на ресурсосберегающих режимах функционирования. Способ вибродиагностики технического состояния газотурбинных двигателей на ресурсосберегающих режимах с применением теории инвариантов основан на измерении и анализе информационных массивов виброакустических параметров объекта диагностирования, полученных на режимах холодной или технологической прокруток двигателя, установлении и исследовании изменения корреляционных связей между каналами измерений в системе вибродиагностики с применением теории инвариантов и кумулянтов спектров высших порядков, и как результат - определение технического состояния объекта в ходе сравнения результатов исследования с их эталонными значениями. 9 ил.
Description
Предлагаемое изобретение относится к способам вибрационной диагностики механизмов периодического действия, а именно к способу вибродиагностирования газотурбинного двигателя (ГТД). На практике предлагаемый способ может быть применен для мониторинга вибросостояния ГТД морского и речного транспорта, кораблей и судов Военно-морского флота, а также может быть применен для вибродиагностирования двигателей, используемых в электроэнергетике и для транспортировки газа.
В настоящее время довольно широко распространены способы определения состояния различных технических объектов при вибродиагностике, включающие получение вибродиагностических параметров в виде вибросигнала (перемещение, скорость, ускорение и т.д. исследуемого объекта) во временной области, его последующую обработку. Данные методы основаны на том, что в процессе работы объекта диагностирования динамические процессы вызывают колебания как подвижных, так и неподвижных частей механизма, которые передаются его корпусу. Для диагностирования механизма измеряют вибрационный сигнал и по его анализу делают вывод о состоянии объекта. Основными недостатками способов [1-3, 5, 6], которые по технической сущности наиболее подходят к предлагаемому изобретению, являются:
• проведение диагностирования объекта на рабочих режимах;
• возможность фиксирования уже имеющихся дефектов объекта диагностирования, когда современные условия эксплуатации, требует выявление дефектов на стадии зарождения;
• контроль общего уровня вибрации [3, 5, 6], в полосе роторных частот, или измерение и контроль вибраций на частотах первых гармоник роторов, что позволяет решать задачи аварийной защиты ГТД, но не позволяет решать задачи эффективной диагностики неисправностей роторных подшипников на ранней стадии даже с применением различных методов трендового и вероятностного анализа общего уровня вибрации.
Известен способ вибродиагностики технического состояния поршневых машин [7], который не совпадает по объекту исследования, но очень близок по способу обработки результатов диагностирования. Недостатками предлагаемого способа являются:
• способ рассмотрен применительно к поршневым машинам (отличие не только по назначению, но и по конструктивному исполнению рассматриваемых технических устройств не может гарантированно дать ответ в корректности применения данного способа для диагностирования ГТД, в достоверности полученных результатов и требует проведение дополнительных исследований);
• диагностирование объекта производится на рабочих режимах;
• авторы проводят анализ уровня спектральных инвариантов амплитудно-частотного спектра вибрации корпуса диагностируемой поршневой машины с учетом зависимости уровня спектральных инвариантов от технического состояния его деталей (в частности клапанов поршневого компрессора, крейцкопфа, деталей цилиндропоршневой группы поршневой машины, и т.д.). В работе не уделено внимание установлению и исследованию изменений корреляционных связей между каналами измерений в системе вибродиагностики, которые имеют свойство изменяться во времени относительно развития различных дефектов и могут повысить качество проведения диагностических исследований.
Прототипом предлагаемого способа является способ вибродиагностирования ГТД на режимах холодной прокрутки и выбега роторов, представленный в [4]. В своей работе авторами предлагается следующий алгоритм действий: запись вибраций ГТД с нужными параметрами дискретизации на режимах холодной прокрутки (ХП), получении каскадного спектра вибросигналов с дальнейшим выявлением первых гармоник роторов, по которым производится расчет подшипниковых составляющих и сравнение полученных результатов с неким эталонным значением, по которому вырабатывается диагноз технического состояния объекта. Недостатки способа прототипа:
• способ рассмотрен применительно к авиационным ГТД. Авиационные ГТД в отличие от ГТД для морского и речного транспорта, а также от ГТД используемых в электроэнергетике и для транспортировки газа имеют ряд не только конструктивных особенностей: большие массогабаритные характеристики, наличие в конструкции турбины винта (вала генератора, нагнетателя газа), активно-реактивное исполнение проточной части, параметры работы и т.п.), а также отличительные особенности в условиях эксплуатации: повышенная влажность воздуха и наличие в воздухе капель морской воды, которые приводят к неравномерному солеотложению по длине проточной части (для ГТД морского и речного транспорта); наличии пыли в атмосфере, которая негативно воздействует на многие узлы ГТД (для ГТД используемых в электроэнергетике и для транспортировки газа). Изменение геометрии проточной части ГТД приводит к изменению параметров работы двигателя. Все перечисленные выше конструктивные и эксплуатационные особенности существенным образом влияют на качественные и количественные показатели вибросигнала.
• авторы проводят анализ полученного каскадного спектра и индетифицируют первые роторные гармоники соответствующие конкретной неисправности, при этом, как и в работе [7], не уделено внимание установлению и исследованию изменений корреляционных связей между каналами измерений в системе вибродиагностики, которые также имеют свойство изменяться во времени и могут повысить качество проведения диагностических исследований.
Задача изобретения - разработать способ определения технического состояния сложных технических систем, на примере ГТД, на основе статистического анализа корреляционных связей в многоканальных системах виброизмерений и анализа спектров высших порядков с применением теории инвариантов. При этом диагностирование объекта должно проводиться на ресурсосберегающих режимах.
Способ вибродиагностики технического состояния газотурбинных двигателей на ресурсосберегающих режимах с применением теории инвариантов основан на измерении и анализе информационных массивов виброакустических параметров объекта диагностирования, полученных на режимах холодной или технологической прокруток двигателя, установлении и исследовании изменения корреляционных связей между каналами измерений в системе вибродиагностики с применением теории инвариантов и кумулянтов спектров высших порядков, и как результат - определение технического состояния объекта в ходе сравнения результатов исследования с их эталонными значениями.
Задача заявленного изобретения решается за счет того, что в настоящей работе исследована возможность применения аппарата кумулянтов высших порядков для получения системы диагностических признаков и инвариантов, пригодных для распознавания ранних стадий развития повреждения подшипниковых опор ГТД, в т.ч. на частотах вращения роторов, соответствующих режимам холодной или технологической прокруток (ХП или ТП) двигателя.
Математический аппарат обработки кумулянтов, предложенный в данном изобретении, структурно состоит из двух алгоритмов:
1) алгоритма проверки гипотез линейности и гауссовости исследуемого процесса. В данном алгоритме реализована и проверена гипотеза нарушения определенных характеристик линейности и гауссовости процесса при возникновении и развитии повреждения;
2) алгоритма обработки матриц кумулянтов высших порядков с применением процедуры метрического шкалирования диагностических инвариантов в регуляризированной версии.
Для выявления инвариантных диагностических признаков при использовании математического аппарата спектрального анализа высшего порядка, необходимо рассмотреть общие положения прикладного анализа случайных данных, которые требуются для определения кумулянтов спектров высших порядков.
Пусть совокупность выборочных функций xk(t) (ансамбль, где t - переменная, а k - фиксировано) определяет случайный процесс. Среднее значение (первый момент) этого случайного процесса в момент времени tl можно вычислить, взяв мгновенные значения всех выборочных функций ансамбля в момент времени t1, сложив эти значения и разделив на число выборочных функций. Аналогичным образом ковариация (смешанный момент) значений случайного процесса в два различных момента времени (ковариационная функция) вычисляется путем усреднения по ансамблю произведений мгновенных значений в моменты времени t1 и t1+τ. Следовательно, среднее значение μx(t1) и ковариационная функция Rxx(t1,t1+τ) случайного процесса 
определяется формулами:
в которых суммирование производится в предположении равновероятности всех выборочных функций. В общем случае, когда μx(t1) и Rxx(t1, t1+τ) зависят от момента времени t1, случайный процесс называют нестационарным. В том случае, когда отсутствует зависимость от времени t1, случайный процесс называется слабо стационарным или стационарным в широком смысле.
Среднее значение слабо стационарного процесса постоянно, а ковариационная функция зависит только от сдвига времени τ, т.е. μx(t1)=μx и Rxx(t1, t1+τ)=Rxx(τ).
Для определения полного набора функций распределения, задающих структуру случайного процесса , нужно вычислить бесконечное число моментов и смешанных моментов высших порядков. В том случае, когда все моменты и смешанные моменты инвариантны во времени, случайный процесс называется строго стационарным или стационарным в узком смысле.
В большинстве случаев характеристики стационарного случайного процесса можно вычислить, усредняя по времени в пределах отдельных выборочных функций, входящих в ансамбль. Возьмем k-ую выборочную функцию ансамбля. Среднее значение μx(k) и ковариационная функция Rxx (τ, k), вычисленные по k-й реализации, равны:
Если случайный процесс стационарен, а μх(k) и Rxx(τ, k), вычисленные по различным реализациям согласно формулам (3.2), совпадают, то случайный процесс называется эргодическим. Для эргодических процессов средние значения и ковариационные функции, полученные усреднением по времени, равны аналогичным характеристикам, найденным усреднением по ансамблю, т.е. μх(k)=μх и Rxx(τ, k)=Rxx(τ).
Для двух случайных процессов 
необходимо оценить их совместные свойства путем соответствующего анализа произвольной пары выборочных функций xk(t) и yk(t).
Средние значения по ансамблю в произвольный фиксированный момент времени t:
где М[] - математическое ожидание.
Корреляционные функции, определенные для произвольных фиксированных моментов времени t1=t1 и t2=t1+τ:
В общем случае эти величины различны для различных комбинаций t1 и t2. При τ=0 (t=t1=t2):
т.е. корреляционные функции Cxx(t, t) и Cyy(t, t) совпадают с обычными дисперсиями процессов в фиксированный момент времени t, в то время как Cxy(t, t) - представляет собой ковариацию случайных величин .
Для стационарных случайных процессов можно записать:
где р(х) и р(у) - плотности вероятности случайных величин xk(t) и yk(t). Корреляционные функции стационарных процессов не зависят от t.
Найдем для произвольных фиксированных t и τ функции:
где вместо С используется символ R для того, чтобы отличать эти величины от корреляционных функций, введенных формулами (4). При ненулевых средних R отличны от С.
Величины Rxx(τ) и Ryy(τ) называются автокорреляционными или ковариационными функциями процессов , a Rxy(τ) - взаимной ковариационной функцией .
Для двух процессов совместная плотность вероятности p(x1, x2) пары случайных величин х1=xk(t) и х2=xk(t+τ) не зависит от t. Совместная плотность вероятности p(y1, y2), относящаяся к паре случайных величин y1=yk(t) и у2=yk(t+τ), тоже не зависит от t. Этим же свойством обладает совместная плотность вероятности p(x1, y2). В терминах этих плотностей:
Рассмотрим определение спектральной плотности. Первый способ состоит в выполнении преобразования Фурье от предварительно вычисленной ковариационной функции. Этот подход дает двустороннюю спектральную плотность, обозначаемую S(f) и определенную для частоты f из (-∞,∞).
Пусть существуют ковариационные и взаимная ковариационная функции Rxx(τ), Ryy(τ), Rxy(τ), задаваемые формулами (7). Предположим, что конечны интегралы от их абсолютных величин:
На практике это условие всегда выполняется для реализаций конечной длины. Тогда преобразование Фурье функций R(τ) существуют и определяются формулами:
Величины Sxx(f), Syy(f) называются функциями спектральной плотности процессов , a Sxy(f) - взаимной спектральной плотностью .
Обратные преобразования Фурье от формул (10) дают:
Соотношения (10) и (11) называются формулами Винера-Хинчина.
Спектральная функция является исходным средством для обработки виброакустических сигналов. Полезность спектральной функции вытекает из важной теоремы, известной как разложение Уолша, которая утверждает, что любой дискретный во времени стационарный случайный процесс может быть выражен в следующем виде:
в котором процессы y(t) и z(t) некоррелированы и процесс y(t) представляет собой линейный процесс:
Автокорреляционная функция или автокорреляционная последовательность стационарного процесса, xk(t), определяется формулой (7):
Спектральная функция выражена как преобразование Фурье автокорреляционной последовательности:
где f - частота. Эквивалентное определение имеет вид:
где X(f) - преобразование (Фурье) x(t)
Необходимым, но не обязательным, условием существования спектральной функции является то, что автокорреляция должна быть абсолютно суммируемой. Спектральная функция вещественна и неотрицательна, т.е. Sxx(f)≥0; если x(t) вещественна, то спектральная функция также четна Sxx(f)=Sxx (-f).
Введем определение кумулянтов:
Кумулянты представляют собой нелинейные комбинации моментов высших порядков, которые, в свою очередь, являются обобщениями автокорреляции.
Кумулянт первого порядка стационарного процесса есть среднее значение
Кумулянты высшего порядка инвариантны относительно сдвига среднего значения, - следовательно, представляется удобным их определение при условии нулевого среднего.
Кумулянты второго, третьего и четвертого порядка нулевого среднего стационарного процесса определяются по формулам:
где E2x(m)=M[x(t)x(t+m)], и равно C2x(m), для вещественного процесса. Таким образом, кумулянт первого порядка представляет собой среднее значение процесса; а кумулянт второго порядка - автоковариационную последовательность.
Введем для кумулянтов нулевой задержки специальные обозначения:
- С2х(0) - представляет собой дисперсию и обычно обозначается как σ2 x;
- С3х(0,0) и С4х(0,0,0) обычно обозначаются как γ3х и γ4х.
Обратимся к нормированным величинам, γ3х/σ3 2х - асимметрии и γ4Х/σ4 2х - эксцессу. Эти обе нормированные величины инвариантны относительно сдвига и масштаба. Если x(t) симметрично распределен, то его асимметрия обязательно равна нулю (но не наоборот); если x(t) нормально распределен, то его эксцесс обязательно равен нулю (но не наоборот). Часто термины «асимметрия» и «эксцесс» используются для обозначения величин, γ3x и γ4х.
Если x(t) статистически независим относительно y(t), то
характеризуясь одинаковыми зависимостями, сохраняющимися для кумулянтов всех порядков.
Такое свойство аддитивности значительно упрощает проведение анализа на основе кумулянтов.
Кумулянты стационарного вещественного процесса симметричны относительно своих аргументов, то есть:
Полиспектр k-порядка определен как преобразование Фурье соответствующей последовательности кумулянтов:
которые соответственно представляют собой спектральную функцию, биспектр и триспектр. Заметим, что биспектр есть функция двух плотностей вероятности, в то время как триспектр - функция 3-х плотностей. В отличие от спектральной функции, которая вещественна и неотрицательна, биспектры и триспектры комплексозначны.
Для вещественного процесса характерен переход от симметричности кумулянта к симметричности полиспектров. Спектральная функция симметрична (кратна): S2x(f)=S2x(-f). Симметричность биспектра имеет вид:
Причина, обусловливающая использование кумулянтов и полиспектров порядка 
выражена как (mk=(m1…, mk-1)):
Если z(t)=x(t)+y(t), a x(t) и y(t) являются независимыми процессами, то Ckz(mk)=Ckz(mk)+Cky(mk).
Если x(t) имеет одномерное гауссовое распределение, то Ckz(mk)=0, 
Следовательно, если z(t)=x(t)+w(t), где w(t) нормальна и независима от x(t), тогда, при Ckz(mk)=Ckx(mk). Таким образом, возможно восстановить кумулянты высшего порядка негауссовского сигнала даже в присутствии гауссова шума.
Пусть x(t) - линейный процесс, то есть x(t)=Στh(τ)u(t-τ), тогда отсюда следует, что:
где γku=Cku(0). Отметим, что спектральная функция не несет никакой информации о фазе H(f). В противоположность этому, если процесс u(t) не гауссов, то эта информация может быть восстановлена из полиспектров высшего порядка.
Любой процесс может считаться линейным процессом в отношении его статистики второго порядка; то есть при заданном Ryy, всегда можно найти {h(τ)} и некоррелированный процесс u(t), такой что Ryy(m)=Rxx(m), где x(t)=Σkh(τ)u(t-τ). Другими словами, по автокорреляционной последовательности не удается определить характеристики нелинейности. В противоположность этому, кумулянты высшего порядка позволяют это сделать. Поскольку кумулянт второго порядка С2х(τ) - это корреляционная функция процесса x(t), то полиспектр второго порядка - это обычный спектр мощности. Аналогично, кумулянт третьего порядка совпадает с третьим моментом относительно среднего.
Главное свойство полиспектров состоит в том, что если процесс x(t) - гауссов, то все его полиспектры, начиная с третьего порядка, тождественно равны нулю, поэтому их можно использовать в качестве меры отклонения конечномерных распределений процесса от гауссовости.
Таким образом, если процесс имеет ненулевой биспектр, это может объясняться следующими причинами:
- процесс подчиняется линейной модели с негауссовым формирующим шумом;
- процесс подчиняется нелинейной модели, причем шум может быть как гауссовым, так и негауссовым.
Биспектральная функция обладает свойствами подавления шумовых компонент, т.к. момент третьего порядка от гауссового процесса равен нулю, в то же время он реагирует на зависимость между дискретными частотными компонентами f1, f2, f3, если они удовлетворяют соотношению f1+f2+f3=0, где f3=-(f1+f2).
Ценность информации, получаемой из биспектра, заключается в том, что эта характеристика помогает разобраться в структуре колебательного процесса, обнаружить участки спектра, статистически связанные между собой, а также выявить наличие комбинационных и модуляционных частот.
В отличие от спектра мощности, действительной положительной функции частоты, биспектр является комплексной величиной, поэтому чаще всего в диагностических целях используют модуль биспектра, который можно представить, как обобщенный диагностический признак с представлением его в матричной или векторной форме с последовательной разверткой по столбцам и строкам.
При дискретном характере колебаний биспектр является высокочувствительной характеристикой изменения параметров технического состояния роторных механизмов.
Нередки случаи, когда изменение параметра технического состояния механизма вызывает малые энергетические изменения акустического сигнала, влияя в то же время на фазовые соотношения между кратными частотными компонентами сигнала. По спектру невозможно уловить эти изменения, в то время как биспектр позволяет выявить фазовую информацию даже при наличии шумовой помехи.
Рассмотренные свойства полиспектров, в т.ч. биспектров, позволяют реализовать два алгоритма по оценке технического состояния опор ГТД на ресурсосберегающих режимах функционирования:
1) Алгоритм проверки гипотез линейности и гауссовости исследуемого процесса;
2) Алгоритм обработки матриц кумулянтов высших порядков с применением процедуры метрического шкалирования диагностических инвариантов в регуляризированной версии.
Для доступности понимания теоретической части предлагаемого изобретения рассмотрим примеры реализации данного способа.
Пример 1. Для выявления диагностических инвариантов при использовании аппарата спектрального анализа высшего порядка на математической модели вибрационного процесса подшипников качения ГТД поставлен вычислительный эксперимент из следующих соображений:
Рассмотрим совокупности выборочных функций xi(k)(t) в виде моделируемых временных рядов для 5-ти повреждений:
- нарушение геометрии дорожек качения;
- дефект тела качения;
- касание сепаратором внутреннего кольца;
- дефект наружного кольца;
- дефект сепаратора. Будем считать процесс стационарным. Для каждого i-го повреждения моделируемые (наблюдаемые) временные ряды в виде матрицы-столбца xi(k) искажены шумом, таким образом, чтобы отношение сигнала к шуму Рсигн/Ршум=h варьировалось случайным образом в пределах [hmjn; hmax].
При этом в модели разыгрываются также амплитуды дефектов, частоты вращения роторов, соответствующие значениям частот холодной или технологической прокруток (от 900 до 1800 об/мин). Количество реализаций для рассматриваемых примеров было ограничено 50.
На фиг. 1 и фиг. 2 представлены примеры временных реализаций и частотных спектров для двух повреждений с разным уровнем моделируемого шума (где: а) и б) - временные реализации при разном уровне наведенных помех; в) частотный спектр реализации (б)).
В результате однофакторных экспериментов были получены совокупности реализаций в виде следующего массива:
Для каждой реализации xi(k) длиной 1024 значения рассчитываются кумулянты 3-го порядка С3х=cum3(i)(xi(k)) на окне шириной 1 равной 8, 16, 32, 64, 128 значений. В общем случае длина ряда может быть любой, однако желательно, чтобы длина последовательности входных данных являлась степенью числа 2 (1024, 2048, 4096 и т.д.), т.к. при этом алгоритм расчета кумулянт имеет максимальную производительность по времени (по аналогии с процедурой быстрого преобразования Фурье) (для 1024 точек - 11 с, для 1000 точек - 130 с).
Расчеты показали, что оптимальной шириной окна для массивов указанной размерности является 1=32,64 значения. Полученные значения кумулянтов cum3(i)(xi(k)) для каждой строки массива Xi(k) записываются в виде обучающей матрицы соответствующего повреждения (для 1024 значений исходного массива размерность матрицы кумулянтов 33×50):
Рассчитанные матрицы кумулянтов 3-го порядка представляют собой «эталонные» портреты повреждений, которые в дальнейшем используются для реализации процедуры многомерного шкалирования в регуляризированной версии аналогично диагностированию по термогазодинамическим параметрам.
После расчета соответствующих матриц cum3(i)(xi(k)) по модели вибрационного процесса для 5-ти повреждений подшипника были построены годографы однократных дефектов (фиг. 3, 4 и 5). Так, на фиг. 3 и 5 представлены под цифровыми обозначениями следующие виды дефектов: 1 - нарушение геометрии дорожек качения 2 - дефект тела качения; 3 - касание сепаратором внутреннего кольца; 4 - дефект наружного кольца; 5 - дефект сепаратора.
Расчет кумулянтов и построения годографов повреждений подшипниковых узлов ГТД производились с помощью программной среды MATLAB.
Поиск оптимальной проекции годографов в результате операции вращения в трехмерном пространстве позволяет найти (рассчитать) образ с наилучшими разрешающими свойствами. При этом следует учесть, что максимальные пики (крайние области годографов) соответствуют максимальным амплитудам моделируемого процесса, соотношение же уровня сигнала к шуму Рсигн/Ршум=h определяет ширину годографа и степень различимости дефектов.
Учитывая тот факт, что при моделировании задан уровень шума, искажающий сигнал с меньшим h, чем в реальном эксперименте, то можно предположить о соответствующей инвариантности пучка годографов к реальным шумам, что будет показано ниже.
Следует учесть, что в предлагаемом методе оценки технического состояния опор ГТД, шумы не рассматриваются как диагностические признаки в связи с тем, что этот метод предполагает максимальное исключение различного рода помех при диагностировании ГТД на ресурсосберегающих режимах диагностирования (ХП, режим «выбега» роторов).
На фиг. 6 и 7 показаны результаты визуализации гипотез линейности и гауссовости изучаемых процессов по одной и нескольким реализациям, полученным на математической модели вибрационного процесса. Под цифровыми обозначениями на фиг. 7 представлены следующие виды дефектов: 3 - касание сепаратором внутреннего кольца; 5 - дефект сепаратора.
При наличии данных, полученных в процессе длительного измерения виброакустических характеристик (т.е. при наличии архивированных данных), возможно выполнить процедуру комплексного диагностирования на основе расчета соответствующих инвариантов и построения пространственной структуры годографов повреждений.
Изложенные выше методы диагностирования и алгоритмы их реализации позволили убедиться в возможности их практического применения по результатам математического моделирования процессов, протекающих в газотурбинном двигателе.
Пример 2. Также было проведено тестирование разработанных методов и проверка их работоспособности на натурных объектах.
Для реализации предлагаемого способа на объектах диагностирования важно производить замеры вибрации в одних и тех же местах, называемых контрольными (штатными) точками измерения вибрации (как правило, на подшипниковых опорах агрегата, корпусе агрегата и на анкерных фундаментных болтах). Для каждого газотурбинного агрегата контрольные точки определены руководящими документами (техническими описаниями, правилами эксплуатации и т.п.).
Абсолютную вибрацию (при диагностировании большинства механических дефектов) рекомендуется измерять в трех взаимно перпендикулярных направлениях: вертикальном, горизонтально-поперечном и осевом. Преобразователи для измерения горизонтально-поперечной составляющей вибрации крепят на уровне оси вала против середины длины опорного вкладыша. Осевую составляющую вибрации следует измерять в точке, максимально приближенной к оси вала на корпусе опоры подшипника вблизи горизонтального разъема между крышкой и корпусом. Вертикальную составляющую вибрации измеряют на верхней части крышки подшипника над серединой его вкладыша.
Допускается измерение вертикальной, горизонтальной и осевой составляющих вибрации путем установки на верхнюю часть крышки подшипника трехкомпонентного вибродатчика для измерений вибрации во взаимно перпендикулярных направлениях совпадающих с главными осями агрегата.
Если невозможно проведение измерений по трем главным направлениям в зоне одного подшипника или требуется минимизация количества замеров, то допускается измерение вибрации по двум направлениям: осевом и одном из поперечных направлений. Предпочтение отдается поперечному направлению, как правило, соответствующему направлению минимальной жесткости системы. Допускается также осевую вибрацию привода, нагнетателя и др. узлов агрегата измерять только у подшипника свободного конца вала.
В качестве объекта диагностирования был выбран газотурбинный двигатель ДР-59Л № ДОО299456 газоперекачивающая станция «Пикалево». Следует отметить, что для данного двигателя имелся в наличии полный комплект диспетчерской и эксплуатационной документации, по которой возможно было проследить все этапы жизненного цикла изделия. Общая характеристика двигателя ДР-59Л № ДОО299456 представлена в табличном виде (фиг. 8).
Освидетельствование ГТД на газоперекачивающая станция г. Пикалево проводилось с февраля по май 2016 года с последующей разборкой и дефектацией двигателя на Кронштадском Морском заводе в июле-сентябре 2016 года.
По согласованию с руководством ООО «Газпром Трансгаз Санкт-Петербург» было проведено инструментальное обследование ГТД. Программа освидетельствования двигателя включала в себя оценку его технического состояния на ХП с применением разработанных в настоящей работе методов.
Процедуры диагностирования инструментально были обеспечены подведением акустического датчика через слив масла из опоры ГТД с использованием аппаратного обеспечения ООО «Газпром Трансгаз Санкт-петербург» и ООО «Оргтехдиагностика».
Повторное инструментальное обследование проводилось с использованием штатной аппаратуры ООО «Газпром Трансгаз Санкт-Петербург».
На фиг. 9 показан результат сравнения экспериментального годографа повреждения с годографами, полученными на основе расчетов по геометрическим характеристикам межвального подшипника.
Проведенное исследование инструментальными методами подтвердили предварительный диагноз о разрушении подшипника промежуточной опоры ГТД. В совместном акте технического освидетельствования двигателя было рекомендовано эксплуатацию двигателя прекратить. ГТД ДР-59Л зав. № ДОО299456 был демонтирован и отправлен на КМОЛЗ (г. Кронштадт). В результате разборки и дефектации двигателя установлено:
1) разрушение внутреннего кольца и сепаратора подшипника промежуточной опоры;
2) выработка внутренней поверхности шлицевой втулки;
3) разрушение лабиринтных уплотнений на внешней поверхности втулки.
Таким образом, результаты дефектации полностью подтверждают предварительный диагноз, а своевременный демонтаж и отправка двигателя на ремонтное предприятие позволили предотвратить более серьезные разрушения.
Предлагаемый в работе способ диагностирования, а также его программное, алгоритмическое и аппаратное сопровождение использованы:
1) при формировании единой системы технического диагностирования ГТД в составе газоперекачивающих агрегатов ООО «Газпром Трансгаз Санкт-Петербург»;
2) в «Программе технического диагностирования и освидетельствования газотурбинных установок надводных кораблей ВМФ» НПО «Сатурн».
Существенными признаками изобретения являются:
a) проведения диагностирования ГТД как на рабочих, так и на ресурсосберегающих режимах функционирования;
b) возможность распознания (выявления) момента зарождения отказа на ранней стадии, тогда, когда отсутствовали явные тенденции в изменении параметров и нарушения в работе ГТД;
c) определение изменений корреляционных связей между каналами измерений и установление предварительного диагноза объекта диагностирования;
d) подтверждение диагноза инструментальными методами диагностирования и дефектацией на ремонтных предприятиях.
Таким образом, предлагаемый способ может быть применен для мониторинга вибросостояния ГТД морского и речного транспорта, кораблей и судов Военно-морского флота, а также может быть применен для вибродиагностирования двигателей, используемых в электроэнергетике и для транспортировки газа.
Литература
1. Авторское свидетельство СССР №1107002, МКИ G01H 1/00. Устройство для виброакустической диагностики механизмов периодического действия. / Костюков В.Н. и Морозов С.А. // Заявл. 17.04.80; Опубл. 07.08.84; Бюл. №29.
2. Авторское свидетельство СССР №1000776 МКИ G01H 13/00. Способ вибрационной диагностики турбомашин. / Дорошенко С.М., Чемохуд Е.В. / Заявл. 20.05.80; Опубл. 28.02.83; Бюл. №8.
3. Авторское свидетельство СССР №1652861 МКИ G01M 15/00. Устройство диагностики турбомашин. / Рындак В.К., Сидорин Г.Н. / Заявл. 16.05.89; Опубл. 30.05.91; Бюл. №20.
4. Бирюков Р.В., Кисилев Ю.В. Вибродиагностика роторных подшипников газотурбинных двигателей с использованием режимов холодной прокрутки. - М.: Машиностроение. /https://cyberleninka.ru/viewer_images/16908885/f/4.png/
5. Богданов С.С., Колесник В.А., Макшанов А.В. Обнаружение и классификация дефектных состояний машин и механизмов по результатам многоканальных измерений различной физической природы,- «Экология и атомная энергетика». Сб.трудов МАНЭБ, СПб: 1999, с. 37.
6. Патент РФ №1343259, МКИ G01M 7/00. Устройство для виброакустической диагностики механизмов периодического действия. / Костюков В.Н. / Заявл. 24.02.86; Опубл. 07.10.87; Бюл. №37.
7. Патент РФ №2337341, МКИ G01M 15/00(2006.01), G01M 7/02(2006.01). Способ вибродиагностики технического состояния поршневых машин по спектральным инвариантам / Костюков В.Н., Науменко А.П., Бойченко С.Н./ Заявл. 11.04.2007; Опубл. 27.10.2008, Бюл. №30.
Claims (1)
- Способ вибродиагностики технического состояния газотурбинных двигателей на ресурсосберегающих режимах с применением теории инвариантов, основанный на измерении и анализе информационных массивов виброакустических параметров объекта диагностирования, полученных на режимах холодной или технологической прокруток двигателя, установлении и исследовании изменения корреляционных связей между каналами измерений в системе вибродиагностики с применением теории инвариантов и кумулянтов спектров высших порядков, и как результат - определение технического состояния объекта в ходе сравнения результатов исследования с их эталонными значениями.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2020139852A RU2754479C1 (ru) | 2020-12-02 | 2020-12-02 | Способ вибродиагностики технического состояния газотурбинных двигателей на ресурсосберегающих режимах с применением теории инвариантов |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2020139852A RU2754479C1 (ru) | 2020-12-02 | 2020-12-02 | Способ вибродиагностики технического состояния газотурбинных двигателей на ресурсосберегающих режимах с применением теории инвариантов |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| RU2754479C1 true RU2754479C1 (ru) | 2021-09-02 |
Family
ID=77669914
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RU2020139852A RU2754479C1 (ru) | 2020-12-02 | 2020-12-02 | Способ вибродиагностики технического состояния газотурбинных двигателей на ресурсосберегающих режимах с применением теории инвариантов |
Country Status (1)
| Country | Link |
|---|---|
| RU (1) | RU2754479C1 (ru) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2782683C1 (ru) * | 2021-11-15 | 2022-10-31 | Акционерное общество "Лётно-исследовательский институт имени М.М. Громова" | Способ выявления синусоидальной и случайной вибраций в составе смешанного вибрационного процесса, измеряемого на летательном аппарате |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2337341C1 (ru) * | 2007-04-11 | 2008-10-27 | Общество с ограниченной ответственностью НПЦ "Динамика"-Научно-производственный центр "Диагностика, надежность машин и комплексная автоматизация" | Способ вибродиагностики технического состояния поршневых машин по спектральным инвариантам |
| RU2484442C1 (ru) * | 2011-11-22 | 2013-06-10 | Александр Владимирович Иванов | Способ вибрационной диагностики и прогнозирования внезапного отказа двигателя и носитель |
-
2020
- 2020-12-02 RU RU2020139852A patent/RU2754479C1/ru active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2337341C1 (ru) * | 2007-04-11 | 2008-10-27 | Общество с ограниченной ответственностью НПЦ "Динамика"-Научно-производственный центр "Диагностика, надежность машин и комплексная автоматизация" | Способ вибродиагностики технического состояния поршневых машин по спектральным инвариантам |
| RU2484442C1 (ru) * | 2011-11-22 | 2013-06-10 | Александр Владимирович Иванов | Способ вибрационной диагностики и прогнозирования внезапного отказа двигателя и носитель |
Non-Patent Citations (1)
| Title |
|---|
| БИРЮКОВ Р.В., КИСЕЛЕВ Ю.В. Вибродиагностика роторных подшипников газотурбинных двигателей с использованием режима холодной прокрутки // Известия Самарского научного центра РАН. — 2016. — Т. 18. N 1-2. — С. 153-157. * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2782683C1 (ru) * | 2021-11-15 | 2022-10-31 | Акционерное общество "Лётно-исследовательский институт имени М.М. Громова" | Способ выявления синусоидальной и случайной вибраций в составе смешанного вибрационного процесса, измеряемого на летательном аппарате |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Delvecchio et al. | Vibro-acoustic condition monitoring of Internal Combustion Engines: A critical review of existing techniques | |
| Zhou et al. | A novel entropy-based sparsity measure for prognosis of bearing defects and development of a sparsogram to select sensitive filtering band of an axial piston pump | |
| Dinardo et al. | A smart and intuitive machine condition monitoring in the Industry 4.0 scenario | |
| Huo et al. | Incipient fault diagnosis of roller bearing using optimized wavelet transform based multi-speed vibration signatures | |
| Wu et al. | Continuous wavelet transform technique for fault signal diagnosis of internal combustion engines | |
| US9588015B2 (en) | Diagnostic method and diagnostic device for a slide bearing | |
| He et al. | Health monitoring of cooling fan bearings based on wavelet filter | |
| Fedala et al. | Contribution of angular measurements to intelligent gear faults diagnosis | |
| Abdeltwab et al. | A Review on Engine Fault Diagnosis through Vibration Analysis | |
| Mongia et al. | Vibration response-based condition monitoring and fault diagnosis of rotary machinery | |
| Saxena et al. | Assessment of gearbox fault detection using vibration signal analysis and acoustic emission technique | |
| Rehab et al. | The influence of rolling bearing clearances on diagnostic signatures based on a numerical simulation and experimental evaluation | |
| Ngui et al. | Blade fault diagnosis using artificial neural network | |
| Lu et al. | CEEMD-assisted bearing degradation assessment using tight clustering | |
| Bornassi et al. | Tip-timing measurements of transient vibrations in mistuned bladed disks | |
| Wu et al. | Defect diagnostics of roller bearing using instantaneous frequency normalization under fluctuant rotating speed | |
| El Morsy et al. | Rolling bearing fault diagnosis techniques-autocorrelation and cepstrum analyses | |
| Chi et al. | Spectral DCS-based feature extraction method for rolling element bearing pseudo-fault in rotor-bearing system | |
| RU2754479C1 (ru) | Способ вибродиагностики технического состояния газотурбинных двигателей на ресурсосберегающих режимах с применением теории инвариантов | |
| RU2754476C1 (ru) | Способ вибродиагностики технического состояния газотурбинных двигателей на ресурсосберегающих режимах с применением теории инвариантов | |
| Hajnayeb et al. | Vibration measurement for crack and rub detection in rotors | |
| Mohamad et al. | Gear fault diagnostics using extended phase space topology | |
| Grądzki et al. | Rotor blades diagnosis method based on differences in phase shifts | |
| Kulagin et al. | Automated identification of critical malfunctions of aircraft engines based on modified wavelet transform and deep neural network clustering | |
| Kriston et al. | Application of vibro-acoustic methods in failure diagnostics |