技术领域
[0001] 本发明属于航空发动机诊断技术领域,具体涉及一种基于叶尖定时信号的航空发动机榫连叶盘榫底裂纹诊断方法。
相关背景技术
[0002] 航空发动机作为现代航空工业的核心装备,其性能直接关系到飞机的安全性、可靠性和经济性。在复杂的运行环境中,航空发动机的叶盘系统,特别是榫连叶盘,极易受到各种应力的影响,从而产生裂纹等损伤。这些裂纹如果不能及时发现并处理,将严重威胁到发动机的正常运行和飞行安全。
[0003] 航空发动机的榫连叶盘是由叶片与轮盘榫连组成,承受着复杂的机械应力和热应力。在长期运行过程中,由于材料疲劳、腐蚀等因素,榫连叶盘榫槽部位容易出现裂纹。这些裂纹初期微小且难以察觉,但随着时间的推移会逐渐扩展,最终导致叶片失效或脱落,甚至可能导致轮盘碎裂,引发严重的飞行事故,所以,相比于叶片裂纹,榫底裂纹也更为危险。相比于整体叶盘,榫连叶盘的叶根榫头与轮盘榫槽间的接触特性与裂纹面间的接触特性相近,容易掩盖新增榫底裂纹的响应特征,加大榫底裂纹的识别难度,必须通过多参数协同的诊断方法才能更有效地辨别是否含有裂纹,以及所含裂纹是位于叶片还是榫底。随着传感器技术、信号处理技术和数据分析技术的不断进步,叶尖定时技术的精度和可靠性得到了显著提升。如今,叶尖定时技术已经广泛应用于航空发动机的实时监测与故障诊断中,在运用于叶片裂纹诊断的相关研究中,叶尖定时信号中存在能反应叶片健康状态的信号特征,但现有研究并未针对叶盘中榫底的健康状态提出有效的识别方法。针对榫底裂纹难以诊断的问题,本发明通过总结含榫底裂纹叶盘的叶尖响应特性规律,形成了基于叶尖定时技术的榫底裂纹识别方法。
具体实施方式
[0046] 为了使本领域的技术人员更好地理解本发明的技术方案,下面结合附图和具体实施例对本发明作进一步详细的描述,需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
[0047] 结合图1所示,本发明实施例提供一种基于叶尖定时信号的航空发动机榫连叶盘榫底裂纹诊断方法,包括以下步骤:
[0048] S1:采用叶尖定时技术获取定转速下待诊断叶盘叶尖可测振幅并计算叶尖可测振幅的峭度。具体步骤为:
[0049] S11:采用非接触式的叶尖定时测量技术,对叶盘的叶片间距进行全周期、在线监测,在旋转的一个周期内,默认小编号叶片先经过传感器。根据同一叶片在旋转过程中相邻两次到达同一传感器的时间间隔,可以计算出叶盘的旋转周期,公式如下:
[0050]
[0051] 其中,Tn为叶盘在第n圈的旋转周期, 和 为第i个叶片在第n+1圈和第n圈时经过第j个传感器的时间。
[0052] S12:根据同一叶片经过同一传感器的实际到达时间与理论到达时间之差得到一个传感器监测的叶尖可测最大位移和最小位移,公式如下:
[0053]
[0054] 其中, 和 是第b号叶片在第s号传感器监测下旋转N圈可测位移的最大值和最小值。r为叶尖到叶盘中心的长度,tnbs和tnbs0分别为第n圈b号叶片到达第s号传感器的实际到达时刻和理论到达时刻,Tn为叶片旋转周期,n为当前圈数,N为总旋转圈数,b为叶片号,s为叶尖定时传感器号。
[0055] 叶片理论到达时刻tnbs0可以通过转速传感器和光纤传感器的布置相对位置以及测得的转速计算得到。
[0056]
[0057] 其中,tn0为在第n圈时转速传感器记录的轴上固定标记点的到达时间,n为当前圈数,θs和θi为第s号传感器和第i号叶片相对于转速传感器的角度,fr为叶盘旋转频率。
[0058] S13:若装备S个光纤传感器,叶片可测位移的最大值和最小值可由S个传感器得到的最值中再取最值得到,根据可测最大位移和最小位移计算出叶尖可测振幅,公式如下:
[0059]
[0060] 其中, 和 为b号叶片可测位移的最大值和最小值,Ab为b号叶片的可测振幅。
[0061] S14:计算待诊断叶盘整圈叶片叶尖振幅的峭度,公式如下:
[0062]
[0063] 其中,k为峭度,q为叶片数量,Ai为第i个叶片的可测振幅, 为所有叶片可测振幅的均值。若所有叶片的可测振幅相等,则令k为0。
[0064] 步骤S2:采用叶尖定时技术获取同转速下待诊断叶盘与健康叶盘各叶片间距的变化量,根据叶片间距的变化量构建裂纹类型识别参数。具体步骤为:
[0065] S21:采用非接触式的叶尖定时测量技术获取叶盘叶尖到达光纤传感器的时刻,计算得到相邻两叶片经过同一个传感器的时间间隔,并计算叶盘相邻叶片的间距,公式如下:
[0066]
[0067] 其中,di,i+1为i和i+1号叶片的间距,i和i+1为叶片号,r为叶尖到叶盘中心的距离,Tn为叶盘旋转周期,Δti,i+1为i号和i+1号叶片到达同一传感器的时间差。
[0068] S22:计算同转速下待诊断叶盘与健康叶盘的叶片间距变化量,公式如下:
[0069]
[0070] 其中,Δdi,i+1为待诊断叶盘与健康叶盘i和i+1号叶片间距的变化量, 和分别为待诊断叶盘与健康叶盘i和i+1号叶片的间距。将同周期内所有叶片间距的变化量最大值记为Δdmax,最小值记为Δdmin,Δdmax所对应的两侧叶片编号分别为jmax和jmax+1,Δdmin所对应的两侧叶片编号为jmin,jmin+1,并且jmax和jmin两者必须为相邻的叶片号,Δdmin必须是负值,否则数据无效,需重新采集。
[0071] S23:针对含裂纹的榫连叶盘难以辨别其存在是榫底裂纹还是叶片裂纹的问题,构建了区别榫底裂纹和叶片裂纹的识别参数:
[0072] δ=Δdmax‑|Δdmin|
[0073] 当榫连叶盘含叶片裂纹时,δ趋于0,而存在榫底裂纹时,δ会明显大于0。
[0074] 步骤S3:将裂纹类型识别参数和叶尖振幅的峭度作为输入,使用k‑means进行聚类实现裂纹类型的区分。具体步骤为:
[0075] S31:设置k‑means划分簇数为3,当簇的质心不发生变化时停止迭代。
[0076] S32:将由S23计算得到的δ和S14计算得到的k作为输入,使用k‑means对数据进行聚类,实现裂纹类型的区分。
[0077] 实施例
[0078] 针对待诊断叶盘的型号,通过仿真分析,在如图3所示叶片7的榫底处分别植入尺寸为1.11mm、1.48mm、1.85mm、2.22mm、2.59mm、2.96mm、3.33mm、3.70mm的的径向裂纹,在如图4所示叶片7靠近叶根处分别植入尺寸为1.11mm、1.48mm、1.85mm、2.22mm、2.59mm、2.96mm、3.33mm、3.70mm的叶片裂纹。
[0079] 根据S1和S2计算健康榫连叶盘叶尖可测振幅的峭度k归一化值为0,裂纹类型识别参数δ为0mm。
[0080] 根据S1计算含1.11mm、1.48mm、1.85mm、2.22mm、2.59mm、2.96mm、3.33mm、3.70mm榫底裂纹叶尖可测振幅的峭度k分别为:1.942、1.965、1.973、1.934、1.919、1.981、2.072、2.055。
[0081] 根据S2计算含1.11mm、1.48mm、1.85mm、2.22mm、2.59mm、2.96mm、3.33mm、3.70mm榫底裂纹裂纹类型识别参数δ分别为:0.01469mm,0.0189mm,0.01988mm,0.02346mm,0.02568mm,0.03012mm,0.03399mm,0.03603mm。
[0082]
[0083] 根据S1计算含1.11mm、1.48mm、1.85mm、2.22mm、2.59mm、2.96mm、3.33mm、3.70mm叶片裂纹叶尖可测振幅的峭度k分别为:8.8694、9.4705、9.7195、9.916、10.0113、10.0448、10.0845、10.0734。
[0084] 根据S2计算含1.11mm、1.48mm、1.85mm、2.22mm、2.59mm、2.96mm、3.33mm、3.70mm叶片裂纹裂纹类型识别参数δ分别为:‑0.005683333mm、0.004086667mm、‑0.001313333mm、‑0.006503333mm、0.002046667mm、0.004176667mm、‑0.002003333mm、‑0.005303333mm。
[0085] 根据S3,设置k‑means划分簇数为3,当簇的质心不发生变化时停止迭代。
[0086] 将计算得到的叶尖可测振幅的峭度k和裂纹类型识别参数δ作为输入,使用k‑means对数据进行聚类,结果如图5所示,有效识别榫连叶盘是否含裂纹,并区分出所含裂纹是叶片裂纹还是榫底裂纹。