某型发动机旋转失速压力信号的频谱分析

为解决现役某型发动机的喘振问题,对该型发动机逼喘过程中压气机首先失速级压力信号进行频谱分析,发现了该型发动机在正常状态、进入和退出旋转失速状态、完全发展的旋转失速状态压力信号频谱的动态演化特征,并用频谱分析的方法成功确定了旋转失速边界。

基于希尔伯特-黄与小波变换的压气机失速信号分析方法

针对多级跨声速压气机失速过程壁面静压测量数据,分别采用希尔伯特-黄变换(HHT)和小波分析方法进行时频分析。相比于小波分析方法,HHT时频图中失速过程的频率特征变化更为明显,且利用HHT图中失速发生后的特征频率可判断出失速团的旋转速度。结合方差分析,进一步探索了获取失速先兆信号的可行性。结果表明,两种方法均可用于压气机失速先兆预测,其中HHT方法能够提供更高层次的分解信号,得到的失速先兆更为提前。

动态失速风洞实验数据处理中的频谱分析与数字滤波

动态失速风洞实验是一种非定常实验，其测量所得数据属于随机数据范畴。由于强迫振动频率范围较大，要从中获得有效的实验结果，除了做固定截止频率的模拟滤波外，还必须对其进行数字滤波处理。数据的频谱分析结果表明只须对天平测量信号做数字滤波处理；滤波原则是仅需滤掉天平、支架、模型系统的固有振动频率分量，同时尽可能多地保留实验强迫振动的各阶谐振信号。

对旋轴流风机旋转失速实验研究

分析了对旋轴流风机旋转失速的产生机理,通过对风机不同工况下进行实验,测试采集振动信号,分析振动信号特征,研究了旋转失速的产生过程,为对旋轴流风机设计提供了参考依据。

动态过程非平稳性度量及其在设备诊断工程中的应用

以随机过程Z_t构建所有两点间距离过程X_S,在证明X_S完全体现了Z_t的一、二阶矩函数变化的基础上,证明相关积分(Correlation integral)能够反映Z_t的非平稳性。以X_S的概率密度函数为依据引出了相关积分算式中参考距离的取值原则。以相关积分为基础定义了设备动态过程非平稳性的度量参数:绝对非平稳度、相对非平稳度、绝对非平稳率、相对非平稳率。分别以工程实例和试验例子论证了非平稳性度量参数工程应用的有效性。简单阐述了非平稳性度量参数在信号分析与故障诊断系统中的应用。

基于模糊熵的压气机失速信号分析研究

熵作为无序程度的度量,能够用于描述不同过程的复杂度或相似程度。采用模糊熵分析了某跨声压气机从稳定工作状态连续变化到失速工作状态过程中机匣壁面静压的变化情况,发现模糊熵值在压气机稳定工作状态下变化很小,而当模糊熵开始大幅值波动时压气机开始进入失速状态。将模糊熵分析结果与滤波分析进行对比表明,模糊熵可应用于压气机失速先兆信号的实时监测。

基于气动信号分析的风机叶片颤振机理研究

失速颤振是风机运行中最为多发的颤振故障,探明失速颤振频率发展规律,对风机的优化设计与安全运行具有重要意义。通过对风机叶轮出口气流脉动和叶片结构之间关系研究发现,在一定的来流攻角下,颤振只与叶片的某一阶固有频率有关。该结论为失速颤振的机理研究提供了实验依据。

基于小波包变换的超声电机堵转检测

超声电机堵转时对其本身危害很大,对其进行实时检测至关重要。利用小波包变换模极大值原理对电机堵转时的奇异信号进行定位和确定持续时间,通过小波包分解与重构,更好地提取电机堵转时的特征信息。为超声电机的缜密监测、有效控制提供依据,以便采取相应的措施遏制超声电机堵转的发生。

空间傅里叶分析在离心叶轮失速信号识别中的应用

在叶轮失速流场中,由于小流量工况下回流而导致部分通道阻塞,单通道计算无法真实反映失速发生过程,因此为了识别离心叶轮失速信号,首先采用数值方法对Eckardt离心叶轮设计工况和失速工况实施全通道非定常流场计算.对比分析设计工况和失速工况三维流场流动涡分布,离心叶轮由于径向折转和叶片扭转,在设计工况下就存在低速二次涡,而失速工况下在入口存在4个对称分布的通道涡,造成叶轮阻塞并导致失速.进一步采用空间傅里叶分析方法对不同叶高、不同流向位置周向压力信号进行定量分析,结果表明:(1)设计工况下流道中仅存在受叶片通过影响的20阶扰动,而失速工况下4阶扰动振幅最大,并存在振幅逐渐减小的倍数阶扰动,即此时叶轮中存在4个失速团;(2)引起叶轮失速的流动涡首先出现在入口近叶顶区域,导致叶轮入口阻塞,并逐渐发生涡脱落、破碎进而形成新的流动涡,并向流道下游移动;(3)通过对振幅最大的4阶扰动相位变化分析,得到失速团周向运动速度约为0.62～0.73倍叶轮转速.最后通过与不同流向位置静压信号时间傅里叶分析结果对比,确定空间傅里叶分析能准确识别叶轮中失速团个数及周向传播速度,可有效应用于失速信号识别和进一步对叶轮流场失速信号的实时监测、主动控制和优化设计.

基于三质量块模型的失速型风机小信号建模和模态分析

风电场大规模接入电网可能增加区域电网低频振荡和风电机组轴系扭振的风险,研究风机建模及扭振特性是保证电力系统安全稳定的重要课题。以失速型风电机组为例,建立基于三质量块轴系模型的单机对无穷大母线系统小信号模型,并采用模态分析法探讨系统电气参数对失速型风电机组轴系扭振特性的影响。为方便不同机型及多机风电机组的扭振特性的拓展研究,系统各部分模型相对独立。在单机对无穷大母线系统模型的基础上建立简化失速型风电场多机小扰动仿真模型,研究风电场扭振模态的变化,MATLAB仿真验证了该模型用于风电机组轴系扭振问题研究的有效性和准确性。

基于压力信号分析的轴流式压气机失速预测

为了得到压气机工作状态的稳定观测点,并建立压气机近喘失速工作状态与压气机压力信号的相关关系,本文针对低速双级轴流式压气机,分别进行了均匀进气及畸变进气条件下不同转速的近喘失速试验,实时动态测量标定压气机由正常工作到失速工况下压力信号,并在时域内提出了一种基于自相关系数的压气机失速预测算法,对进口、出口以及压气机首级转子叶尖位置压力信号预测分析。结果表明所提出的预测算法具有良好的失速预测能力,且发现叶尖处离叶片前缘20%的位置,最适宜作为压气机失速预测的观测点,此时压气机叶尖压力自相关性数据与压气机喘振裕度具有明显的单调相关性。

基于Daubechies小波的压气机失速分析及预测

压气机旋转失速一直是航空发动机研究中的重要问题,准确分析压气机的失速状态特征,及时预测失速发生的时间对于航空发动机的研究至关重要。应用Daubechies小波对压气机动态压力信号进行分析,得出信号的低频系数,并利用方差分析对旋转失速进行预测,结果表明能有效预测压气机失速状态。

航空发动机失稳特征信号甄别

针对航空发动机失稳时的重要表征——喘振信号开展检测、判别和处理方法的研究。通过失稳信号处理器实时获取压气机压力脉动数据,采用时域诊断分析方法完成对失稳信号的在线检测和预警。经压缩部件台架试验验证,失稳信号处理器能成功分离出喘振状态下的失稳信号特征,实现对失稳信号较为准确的捕获,采用的失稳判定方法有效。研究结果表明:失稳特征信号的实时、准确甄别,是发动机失稳主动控制的先决条件,提高失稳特征信号判别的正确率,可有效避免发动机失稳过程中信号的误判、漏判。

基于Mallat算法的机载失速喘振辨识装置研制

针对航空发动机机载失稳辨识需求,设计了一种基于数字嵌入式的航空发动机失速喘振辨识装置。该装置利用短时傅里叶变换和小波变换方法对压气机出口壁面静压信号的时频特性进行分析,及时捕获失稳状态下的突变信号并做出响应。所设计的失速喘振辨识装置在压气机逼喘试验中进行了试验验证,对试验中的喘振信号做出了准确报警,报警延时小于50 ms,满足性能设计指标,具有较高的工程应用价值。

压气机信号分析的小波脊线方法和软件实现

根据Carmona的多脊线识别理论,连续小波变换时频平面上模极大值线所在位置就是脊线位置,其小波系数与时域信号之间存在简单的对应关系,利用Crazy Climber算法提取小波变换系数的脊,就可以重构时域信号。将该方法用于航空发动机压气机的失速信号分析,并做成了软件,有较高的应用价值。

基于MPE-CEEMD算法的轴流压缩机旋转失速状态识别

以某型风洞压缩机出口机壳处的声压信号为研究对象,建立以多尺度排列熵均值(MMPE)为筛选CEEMD分解后的集成平均分量的体系,提出了一种MPE-CEEMD算法。将尺度[1,5]范围内声压仿真信号的多尺度排列熵的最大值作为筛选集成平均分量的阈值,剔除异常分量后对重构后的信号做傅里叶变换。若在频谱图上存在小于轴频,且随着流量的减小,而幅值增大的特征频率,那么该特征频率可以判定为旋转失速特征频率。通过分析风洞压缩机在1.3Ma,叶片角度20°,压比1.107 1工况下的数据,发现该算法可以有效的剔除声压信号中的异常成分。

某牵引车动力总成匹配熄火问题分析

文章以某款搭载国六柴油发动机及AMT变速器的牵引车起步信号交互过程为研究对象,为解决发动机起步熄火问题,通过对车辆起步时发动机与变速器信号交互响应进行分析,发现熄火主要是发动机响应了变速器的0%扭矩请求,从而出现发动机熄火的现象。对发动机响应变速器扭矩请求过程进行分析,设计出合理的发动机响应程序并实车验证,解决了发动机起步熄火的问题,研究内容对工程具有实际指导意义。

基于Gibbs采样的MIMO信号检测改进算法

针对传统Gibbs采样算法的"失控问题",提出了一种改进算法,在Gibbs迭代采样过程中加入对噪声方差的估计,消除了失控问题。设计了信号检测流程,将最大似然(ML)检测的搜索过程嵌入Gibbs迭代采样过程,减少了最大似然检测的计算步骤。仿真结果表明,所提算法能估计噪声方差,具有接近最大似然检测的性能。

轴流风机失速试验及特征浅析

设计一套单级轴流风机试验台,包括风机进出口风道及可调风门,并在风机进口叶轮区域加装高频动态压力变送器等参数监控仪表,实现风机调整过程中该区域压力信号的变化趋势监测。将风机运行状态从稳定区间调整至易失速区域,筛选叶轮区域特定的压力变化过程和特征,以此推测风机失速前兆特征。

基于模态波理论的压气机失速先兆识别方法

针对压气机气动失速预警存在无法兼顾对渐进型和突尖型失速先兆有效识别的不足,以及提取失速团幅值需要多路传感器信号的局限。分析了压气机失速发展过程中的信号特征;根据压气机失速信号的旋转特性,提出基于单路传感器信号重构周向多路失速先兆信号的方法,讨论了信号重构步长的取值;基于模态波理论,通过对重构信号进行空间傅里叶变换,得到失速扰动信号各阶模态幅值,根据低阶模态的幅值变化实现对渐进型与突尖型失速先兆的识别。以某压气机为例进行仿真,结果表明:当信号重构的步长小于突尖波时间尺度的一半时,重构的多路信号能够复现压气机周向位置失速发展过程,且步长越小,越有利于失速先兆的识别;由模态分解得到的1阶模态幅值的变化能够有效反映失速发展过程;通过合理设置模态幅值的阀值,可以在失速发展前期对失速先兆进行准确识别,从而,基于单路传感器失速信号即可实现对渐进型失速和突尖型失速均能进行预警。