基于多键相的变转速下旋转叶片振动监测方法

为了解决传统的叶尖定时技术在变转速条件下难以有效监测到叶片振动信息的问题,提出了一种基于多参考键相的变转速下叶片振动监测方法,即在转轴上均匀布置多个键相参考点,实现转速的精确估计,同时在参考键相间按照所囊括叶片数量插入虚拟参考点,以虚拟参考点为标记实现变转速下叶片振动的测量,该方法同样适用于恒转速下叶片振动的测量。基于所提方法推导了变转速状态下叶片振动测量的表达方程,并通过数值建模和实验仿真验证了该方法的可行性和适用性,分析结果表明:基于多键相的变转速下旋转叶片振动监测方法与传统方法相比,平均相对测量误差从200%以上降至7%以下,突破了叶尖定时技术在变转速下难以测量的技术瓶颈。     

基于EEMD的含噪叶尖定时脉冲信号提取方法

为了解决噪声干扰条件下叶尖定时脉冲信号难以准确提取的问题,提出了一种基于集合经验模态分解(Ensemble Empirical Mode Decomposition, EEMD)的含噪叶尖定时脉冲信号提取方法。采用EEMD对非平稳、非线性的原始含噪信号进行自适应分解,构建多尺度低通滤波器进行降噪,再对降噪后的脉冲信号进行方波整形处理,并提出融合相似度和相关度的最优降噪整形评价指标,用于含噪信号处理效果的评价。基于含噪叶尖定时脉冲信号特点建立数学模型,验证方法的可靠性和适用性。对比降噪整形处理后含噪叶尖定时脉冲信号与原始无噪信号,其相关度、相似度及综合评价指标分别超过97%、89%及92%,结果表明:该方法能够准确提取噪声干扰下叶尖定时脉冲信号,有利于叶尖定时技术的发展与推广应用。