基于改进DBNs 的三维叶尖间隙叶片裂纹诊断方法*
2022-05-21黄鑫张小栋张英杰熊逸伟刘洪成
振动、测试与诊断 2022年2期
黄鑫,张小栋,2,张英杰,熊逸伟,刘洪成,祝 珂
(1.西安交通大学机械工程学院 西安,710049)
(2.西安交通大学现代设计及转子轴承系统教育部重点实验室 西安,710049)
引言
航空发动机涡轮叶片长期运行在高温、高压以及高转速等恶劣环境中,在离心力、气动力以及热应力等交变载荷作用下,其结构强度和力学性能将逐渐劣化,导致其出现不同程度的疲劳裂纹[1],这将直接影响航空发动机正常运行,因此准确诊断叶片裂纹尤为重要。
目前,涡轮叶片运行状态判定主要依据是振动信号[2]、叶尖径向间隙[3]以及叶尖定时信号[4]等一维特征参量,然而这些一维参量分别存在以下局限性:①振动信号信噪比不高,有效信息极易被噪声所淹没,难以实现叶片微裂纹准确识别;②叶尖径向间隙难以反映叶片在不同应变下的三维形变特征;③叶尖定时信号难以对耦合故障进行区分和解耦。针对上述不足,滕飞等[5]提出了涡轮叶片的三维叶尖间隙表征并通过仿真试验证明了其有效性。Zhang等[6]在此基础上研究出一种三维叶尖间隙检测系统,该系统可对三维叶尖间隙进行快速实时检测。这些成果进一步丰富了涡轮叶片运行状态的检测手段,如何有效地将三维叶尖间隙应用于叶片裂纹诊断成为了当前的研究重点。
故障诊断实质包括了特征提取和模式识别两方面,利用信号处理方法提取故障特征并将其作为模式识别的依据。当前基于专家系统、解析模型以及传统数据驱动算法的诊断方法均存在诸多方面不足:①需要结合机理研究人工构造相应特征,其存在自适应能力和泛化能力差等问题;……
登录APP查看全文
