陳禹西, 楊明綏, 楊國(guó)安

(1.中國(guó)航發(fā)沈陽(yáng)發(fā)動(dòng)機(jī)研究所,遼寧 沈陽(yáng) 110015; 2.北京化工大學(xué) 機(jī)電工程學(xué)院,北京 100029)

作為航空發(fā)動(dòng)機(jī)的重要部件,壓氣機(jī)處于不穩(wěn)定狀態(tài)時(shí),不僅其性能會(huì)下降,還可能對(duì)自身結(jié)構(gòu)產(chǎn)生額外載荷,導(dǎo)致其壽命減少甚至結(jié)構(gòu)失效,對(duì)發(fā)動(dòng)機(jī)正常工作甚至整機(jī)飛行安全帶來(lái)嚴(yán)重影響。圖1展示了氣動(dòng)失穩(wěn)對(duì)壓氣機(jī)葉片造成的結(jié)構(gòu)破壞。為改善壓氣機(jī)的穩(wěn)定性,研究人員提出了各種故障檢測(cè)與診斷的方案,這些方案一般通過(guò)壓氣機(jī)上安裝的傳感器監(jiān)測(cè)壓氣機(jī)失穩(wěn)時(shí)的異常信號(hào),然后向控制系統(tǒng)發(fā)出指令,調(diào)節(jié)壓氣機(jī)的穩(wěn)定裕度或使壓氣機(jī)的工作點(diǎn)遠(yuǎn)離不穩(wěn)定邊界。這種失穩(wěn)控制手段已經(jīng)在整機(jī)上得到應(yīng)用[1-2]。但目前這種方法僅能在失穩(wěn)發(fā)生時(shí)發(fā)揮作用,并不能提前預(yù)防失穩(wěn)的發(fā)生。為了更加及時(shí)地捕捉到壓氣機(jī)的不穩(wěn)定工作狀態(tài),減少壓氣機(jī)不穩(wěn)定工作的時(shí)間,有必要探究基于各種傳感器方案的氣動(dòng)失穩(wěn)監(jiān)測(cè)和預(yù)警技術(shù)。

圖1 喘振導(dǎo)致的壓氣機(jī)葉片結(jié)構(gòu)破壞[3]

已有經(jīng)驗(yàn)表明,發(fā)動(dòng)機(jī)整機(jī)及部件在運(yùn)行時(shí)往往會(huì)出現(xiàn)一些反映其運(yùn)行狀態(tài)和運(yùn)行品質(zhì)的異常聲響或振動(dòng),而這些異常聲振現(xiàn)象發(fā)生時(shí)均在其聲音信號(hào)上有顯著體現(xiàn)[4],可以被試車(chē)員、飛行員等依據(jù)“響聲”“異響”主觀感知到,這為使用聲學(xué)原理和聲學(xué)信號(hào)研究壓氣機(jī)內(nèi)的流動(dòng)和振動(dòng)現(xiàn)象奠定了基礎(chǔ)。隨著研究的深入,人們逐漸認(rèn)識(shí)到聲學(xué)信號(hào)不僅能夠有效表征葉片氣動(dòng)故障與振動(dòng)故障信息,而且聲信號(hào)獨(dú)有的波動(dòng)傳播理論在葉片流固耦合機(jī)理研究方面具有天然優(yōu)勢(shì),是分析葉片非同步共振、聲腔共振、氣動(dòng)失速、喘振、顫振等故障機(jī)理的優(yōu)異分析手段。Sundstr?m等[5]提出,在低質(zhì)量流量下,壓氣機(jī)發(fā)出的噪聲主要來(lái)源于作用在葉片表面的非定常壓力載荷。Cumpsty[6]也提出,氣動(dòng)失穩(wěn)時(shí)的壓氣機(jī)具有特定的聲學(xué)特征。聲學(xué)測(cè)量已經(jīng)在壓氣機(jī)故障研究中獲得了一些應(yīng)用[4,7],基于聲學(xué)信號(hào)的發(fā)動(dòng)機(jī)葉片故障監(jiān)測(cè)與診斷技術(shù)具有非接觸、強(qiáng)便攜性、便于安裝、無(wú)需對(duì)壓氣機(jī)進(jìn)行過(guò)多測(cè)試改裝等優(yōu)點(diǎn)[8],且在航空發(fā)動(dòng)機(jī)氣動(dòng)運(yùn)行狀態(tài)、旋轉(zhuǎn)機(jī)械運(yùn)行品質(zhì)檢測(cè)方面,聲學(xué)信號(hào)獨(dú)有的“可有效與人耳聽(tīng)覺(jué)的主觀評(píng)價(jià)相關(guān)聯(lián),且可量化”的優(yōu)點(diǎn),最具潛力發(fā)展形成“人機(jī)合一”綜合檢測(cè)與診斷能力的物理信號(hào)。通過(guò)對(duì)聲信號(hào)的深入研究分析,研究人員有望研制出更加準(zhǔn)確、靈敏的壓氣機(jī)故障診斷、監(jiān)測(cè)和預(yù)警方法。

因此,本文主要關(guān)注國(guó)內(nèi)外基于聲學(xué)手段的壓氣機(jī)氣動(dòng)失穩(wěn)故障診斷研究的進(jìn)展情況,對(duì)相關(guān)的研究工作進(jìn)行梳理、提煉和闡述,理清氣動(dòng)失穩(wěn)現(xiàn)象與聲信號(hào)表征的機(jī)理分析、試驗(yàn)方案、測(cè)試布局與方法、數(shù)據(jù)處理手段等技術(shù)發(fā)展脈絡(luò)。在此基礎(chǔ)上,提煉分析并給出了壓氣機(jī)氣動(dòng)失穩(wěn)故障的聲學(xué)監(jiān)測(cè)與預(yù)警方法的發(fā)展趨勢(shì)與關(guān)鍵技術(shù),為壓氣機(jī)失穩(wěn)檢測(cè)診斷手段的發(fā)展與完善提供一定的指導(dǎo)。

1 氣動(dòng)失穩(wěn)的發(fā)聲機(jī)理與信號(hào)特征

旋轉(zhuǎn)失速與喘振是典型的壓氣機(jī)氣動(dòng)失穩(wěn)現(xiàn)象,隨著壓氣機(jī)內(nèi)部流動(dòng)條件惡化,一些初始擾動(dòng)出現(xiàn),流道內(nèi)會(huì)出現(xiàn)流動(dòng)分離,壓氣機(jī)發(fā)生旋轉(zhuǎn)失速,若流動(dòng)狀況進(jìn)一步惡化,壓氣機(jī)則可能發(fā)生喘振。當(dāng)轉(zhuǎn)速足夠高時(shí),流動(dòng)條件惡化也可能直接造成喘振。不同轉(zhuǎn)速下的失穩(wěn)形式如圖2所示。旋轉(zhuǎn)失速發(fā)生時(shí),某一個(gè)或幾個(gè)葉片流道首先發(fā)生氣流分離,形成分離團(tuán),如圖3所示,從整體上看,分離團(tuán)在轉(zhuǎn)子上逆轉(zhuǎn)子旋轉(zhuǎn)方向轉(zhuǎn)動(dòng)。在分離區(qū)域內(nèi),葉片的流動(dòng)分離與渦系結(jié)構(gòu)十分復(fù)雜,具有強(qiáng)烈的非定常性,形成了獨(dú)特的聲源,圖4展示了失穩(wěn)過(guò)程中聲學(xué)信號(hào)的變化。一些情況下,在失穩(wěn)發(fā)生前,會(huì)首先出現(xiàn)模態(tài)波的特征頻率,并伴有“異?！甭暡ǖ漠a(chǎn)生;另一些情況下失穩(wěn)過(guò)程發(fā)生得更突然,未觀察到明顯的先兆現(xiàn)象即直接進(jìn)入失速或喘振狀態(tài)。進(jìn)入失穩(wěn)狀態(tài)后,聲信號(hào)會(huì)發(fā)生明顯變化,包括幅值的顯著波動(dòng)和頻率成分的改變。

圖2 不同轉(zhuǎn)速下的失穩(wěn)形式

圖3 基元中的流動(dòng)分離

圖4 失穩(wěn)過(guò)程中聲學(xué)信號(hào)變化

旋轉(zhuǎn)不穩(wěn)定性是另一種出現(xiàn)在壓氣機(jī)高負(fù)荷工況時(shí)的動(dòng)失穩(wěn)現(xiàn)象,目前普遍認(rèn)為其與葉尖泄露而形成的漩渦有關(guān),不同于失速或喘振,在信號(hào)特征上,旋轉(zhuǎn)不穩(wěn)定性可以視為繞轉(zhuǎn)子旋轉(zhuǎn)的脈動(dòng)聲源。如圖5所示,脈動(dòng)聲源的周向分布可以看成多個(gè)連續(xù)階數(shù)模態(tài)空間傅里葉分量的疊加,導(dǎo)致旋轉(zhuǎn)不穩(wěn)定性的頻率特性一般表現(xiàn)為離散頻率峰值及其諧波。如圖6所示,RI頻率通常伴隨著B(niǎo)PF+RI和BPF-RI的出現(xiàn),而且RI 頻帶通常表現(xiàn)為多重離散峰值的疊加,相鄰2個(gè)離散峰的間隔頻率幾乎相等。

圖5 旋轉(zhuǎn)不穩(wěn)定聲源特征

圖6 旋轉(zhuǎn)不穩(wěn)定的頻率特征

2 氣動(dòng)失穩(wěn)的聲學(xué)表征方法

借助各種信號(hào)分析手段,獲取氣動(dòng)失穩(wěn)的聲學(xué)表征是發(fā)展相應(yīng)診斷技術(shù)的必要途徑。為此,國(guó)內(nèi)外研究人員圍繞著聲信號(hào)的采集與分析處理開(kāi)展了大量工作。隨著技術(shù)的發(fā)展,在采集方法方面,手段逐漸趨于復(fù)雜,通道數(shù)量、采樣率等參數(shù)不斷提升;在分析處理方面,從簡(jiǎn)單時(shí)頻表征手段逐漸發(fā)展到高階參數(shù)表征、模態(tài)分量表征、空間特征表征。其中信號(hào)分析處理技術(shù)的發(fā)展起到了重要的推動(dòng)作用。因此本節(jié)主要從信號(hào)處理技術(shù)的角度,對(duì)氣動(dòng)失穩(wěn)的聲學(xué)表征方法進(jìn)行梳理。

2.1 基于傳統(tǒng)時(shí)頻理論的表征方法

早期的失穩(wěn)聲學(xué)測(cè)量研究使用的傳聲器數(shù)目較少,信號(hào)處理分析的手段也僅集中于基本的時(shí)頻分析,盡管如此,研究人員已經(jīng)能夠通過(guò)比較正常與失穩(wěn)狀態(tài)下聲信號(hào)的差異,從一些時(shí)域統(tǒng)計(jì)量和頻率成分變化的角度對(duì)失穩(wěn)信號(hào)的特征進(jìn)行表征。

國(guó)內(nèi)可以檢索到的最早使用聲學(xué)手段研究壓氣機(jī)失穩(wěn)的工作為20世紀(jì)末胡宗安等[9-10]在單、雙級(jí)壓氣機(jī)試驗(yàn)臺(tái)上進(jìn)行的旋轉(zhuǎn)失速與顫振現(xiàn)象研究,他們提出了根據(jù)聲信號(hào)中滿足倍頻程關(guān)系的頻率確定失速團(tuán)傳播速度的方法。同一時(shí)期,Lawless等[11-12]也對(duì)某離心壓氣機(jī)失穩(wěn)現(xiàn)象的聲信號(hào)特性進(jìn)行了研究,描述了隨著流量減少,聲信號(hào)中失速特征頻率和喘振特征頻率的變化,還開(kāi)創(chuàng)性地使用了環(huán)形傳聲器陣列獲得了壓氣機(jī)的聲模態(tài)信息,發(fā)現(xiàn)部分模態(tài)在時(shí)域信號(hào)的幅值出現(xiàn)異常前就已經(jīng)發(fā)生了變化。Aretakis等[13-14]使用如圖7所示的測(cè)試布局研究了某離心壓氣機(jī)在幾種結(jié)構(gòu)故障下,振動(dòng)、脈動(dòng)壓力與聲信號(hào)的變化,發(fā)現(xiàn)故障發(fā)生時(shí),信號(hào)功率譜上一階與二階BPF處能量將發(fā)生變化;于2004年對(duì)失速以及喘振現(xiàn)象展開(kāi)了試驗(yàn)研究[15],發(fā)現(xiàn)壓氣機(jī)進(jìn)入失速狀態(tài)后,聲信號(hào)的幅值增加主要來(lái)源于0～0.9BPF范圍的能量增強(qiáng),如圖8、圖9所示,進(jìn)入喘振狀態(tài)后,時(shí)域上信號(hào)的平穩(wěn)性消失,在頻譜上可以觀察到對(duì)應(yīng)低頻的位置出現(xiàn)了大量能量聚集,同時(shí)還發(fā)現(xiàn),相比于振動(dòng)傳感器,傳聲器對(duì)失速引起的氣流擾動(dòng)更加敏感。受到Aretakis以及Lawless等工作的啟發(fā),2007年,Morini等[16]在費(fèi)拉拉大學(xué)的軸流-離心混合式的多級(jí)壓氣機(jī)試驗(yàn)臺(tái)開(kāi)展研究,使用如圖10所示的測(cè)試布局,捕捉到了喘振發(fā)生前后,聲信號(hào)中類(lèi)似的低頻成分變化。

圖7 Aretakis等的測(cè)量方案[15]

圖8 聲信號(hào)隨壓氣機(jī)工作點(diǎn)的變化[15]

圖9 聲信號(hào)頻譜隨工作點(diǎn)的變化[15]

圖10 Morini等的測(cè)量方案[16]

2.2 基于現(xiàn)代信號(hào)分析理論的表征方法

僅從有限的時(shí)域參數(shù)和特征頻率角度對(duì)失穩(wěn)聲信號(hào)進(jìn)行描述并不全面:一方面,不同型號(hào)的壓氣機(jī)甚至同一壓氣機(jī)在不同轉(zhuǎn)速下的信號(hào)幅值和失穩(wěn)特征頻率都是不一致的,難以發(fā)展出可靠的故障診斷方法;另一方面,對(duì)于失穩(wěn)診斷的需求正逐漸從診斷失穩(wěn)本身過(guò)渡到失穩(wěn)先兆診斷,失穩(wěn)先兆的特征一般十分微弱,難以直接從時(shí)頻分析中獲得。一些先進(jìn)的信號(hào)分析手段,特別是各種高階統(tǒng)計(jì)量、信號(hào)分解與降噪方法,能夠多角度、更準(zhǔn)確地捕捉微弱的信號(hào)特征。有望對(duì)失穩(wěn)先兆進(jìn)行更加深入的表征。

Munari等[17]使用循環(huán)平穩(wěn)分析的方法分析了喘振的聲信號(hào)。結(jié)果表明,正常運(yùn)轉(zhuǎn)的壓氣機(jī)信號(hào)具有較強(qiáng)的隨機(jī)性,當(dāng)壓氣機(jī)進(jìn)入喘振狀態(tài)時(shí),信號(hào)隨機(jī)性消失,轉(zhuǎn)變?yōu)橛蓡我活l率主導(dǎo)。Ferrari等[18]對(duì)T100微型燃機(jī)進(jìn)行了失速喘振的信號(hào)測(cè)量,通過(guò)定義用于分析并量化振動(dòng)與聲信號(hào)的不平穩(wěn)性的包絡(luò)與方差函數(shù),有效識(shí)別了喘振信號(hào)。在之后的研究中[19],進(jìn)一步運(yùn)用自相關(guān)函數(shù)與高階譜方法對(duì)失穩(wěn)狀態(tài)的聲信號(hào)進(jìn)行了分析。對(duì)自相關(guān)函數(shù)進(jìn)行分析發(fā)現(xiàn),接近失穩(wěn)狀態(tài)時(shí),傳聲器可以檢測(cè)到聲共振激發(fā)的壓氣機(jī)強(qiáng)迫響應(yīng)現(xiàn)象,其表現(xiàn)為信號(hào)自相關(guān)函數(shù)外側(cè)趨勢(shì)的改變。對(duì)信號(hào)雙譜分析的結(jié)果表明,不穩(wěn)定狀態(tài)下低頻部分能量相較于穩(wěn)態(tài)有明顯增強(qiáng),雙譜分析還揭示了系統(tǒng)中存在調(diào)制現(xiàn)象。

曹昳劼等[20]基于快速傅里葉變換和小波分析等方法,實(shí)現(xiàn)了喘振特征信號(hào)的提取,得到了與Lawless、Aretakis等類(lèi)似的結(jié)論。金剛[21]比較了壓力脈動(dòng)信號(hào)、聲信號(hào)和振動(dòng)信號(hào)在失穩(wěn)檢測(cè)效果上的差異,發(fā)現(xiàn)動(dòng)態(tài)壓力和聲壓信號(hào)對(duì)氣動(dòng)失穩(wěn)的反應(yīng)更加靈敏。Sun等[22]也通過(guò)判斷特征頻率是否出現(xiàn)在聲壓信號(hào)頻譜上,分析了聲學(xué)測(cè)量監(jiān)測(cè)壓氣機(jī)不穩(wěn)定狀態(tài)的能力,指出傳聲器的位置因素對(duì)能否檢測(cè)到氣動(dòng)失穩(wěn)影響較大。Guan等[23]研究了聲壓信號(hào)的IMF分量和POD能量占比,發(fā)現(xiàn)壓氣機(jī)失穩(wěn)時(shí),部分內(nèi)涵模態(tài)分量會(huì)發(fā)生大幅階躍。閆思齊等[24]使用如圖11所示的測(cè)試布局采集了臺(tái)架喘振試驗(yàn)時(shí)壓氣機(jī)左右兩側(cè)的聲壓信號(hào),應(yīng)用小波低頻重構(gòu)聲壓信號(hào)實(shí)現(xiàn)了對(duì)某型渦軸發(fā)動(dòng)機(jī)喘振的識(shí)別與特征提取。

圖11 閆思齊等的傳感器布置方案[24]

2.3 基于空間模態(tài)的表征方法

除了上述特征,空間模態(tài)信息對(duì)壓氣機(jī)的一些失穩(wěn)現(xiàn)象研究也尤為重要[25],王良鋒等[26]對(duì)某單級(jí)風(fēng)扇的管道周向聲模態(tài)進(jìn)行了試驗(yàn)測(cè)量,比較了信號(hào)互相關(guān)和傳統(tǒng)的均方根兩種模態(tài)分解方法的結(jié)果。梁東等[27]發(fā)展了當(dāng)測(cè)點(diǎn)數(shù)目不滿足條件或測(cè)點(diǎn)損壞時(shí),求解出聲模態(tài)的通用分析方法。Sack等[28]提出了基于神經(jīng)網(wǎng)絡(luò)的管道模態(tài)分解方案。程禮等[25]提出了聲模態(tài)時(shí)序圖的繪制方法,發(fā)現(xiàn)后行聲模態(tài)波與壓氣機(jī)效率下降故障有關(guān),驗(yàn)證了聲模態(tài)診斷方法的可行性。西安交通大學(xué)與中國(guó)航發(fā)四川燃?xì)鉁u輪研究院基于圖12所示的測(cè)試系統(tǒng)開(kāi)展了基于聲學(xué)測(cè)量的故障診斷、先兆識(shí)別和信號(hào)處理的研究。在聲模態(tài)方面,提出了基于壓縮感知的聲模態(tài)重構(gòu)方法[29],實(shí)現(xiàn)了少數(shù)傳聲器對(duì)主導(dǎo)聲模態(tài)的階數(shù)識(shí)別和幅值重構(gòu)。在故障先兆識(shí)別方面,開(kāi)展了多級(jí)風(fēng)扇試驗(yàn)器由穩(wěn)定旋轉(zhuǎn)至喘振的瞬態(tài)試驗(yàn)[30],通過(guò)在壓氣機(jī)進(jìn)口機(jī)匣安裝的周向傳聲器陣列獲得故障信號(hào),觀測(cè)到了風(fēng)扇在進(jìn)入喘振前,強(qiáng)烈單音噪聲和失速氣團(tuán)的特征頻率,獲得了與Enrico等觀察到的現(xiàn)象相吻合的結(jié)果。近期,研究人員還使用類(lèi)似手段對(duì)氣動(dòng)彈性問(wèn)題開(kāi)展了研究[31],通過(guò)對(duì)聲信號(hào)的分析,提取到了強(qiáng)迫響應(yīng)、聲共振導(dǎo)致的顫振等故障的特征參數(shù)。

圖12 測(cè)試系統(tǒng)示意圖[29]

3 氣動(dòng)失穩(wěn)及其先兆的診斷與預(yù)警方法

壓氣機(jī)的氣動(dòng)失穩(wěn)及其先兆常常表現(xiàn)為特定規(guī)律的壓力波動(dòng)。這種波動(dòng)可以被脈動(dòng)壓力傳感器或傳聲器捕捉到,基于這兩類(lèi)信號(hào)的氣動(dòng)失穩(wěn)診斷方法具有一定的相似性。不同于脈動(dòng)壓力傳感器,由于傳聲器測(cè)得的是壓力的動(dòng)態(tài)量,無(wú)法獲得壓力本身的變化,因此基于聲信號(hào)的診斷方法更加關(guān)注時(shí)域的波動(dòng),如信號(hào)的變化率、方差、相關(guān)系數(shù)等。另一些方法則基于信號(hào)的頻域特點(diǎn)[32],如中心頻率法、能量法等。不同方法的差異主要體現(xiàn)在診斷參數(shù)和報(bào)警邏輯上。一般基于時(shí)域特征參數(shù)的方法也會(huì)通過(guò)濾波等預(yù)處理手段引入頻率信息。在已發(fā)表的文獻(xiàn)中,還有很多工作使用不同信號(hào)處理分析手段提取出了失穩(wěn)信號(hào)的特征,但尚未形成完整的診斷方法,例如自相關(guān)函數(shù)[19,33]、小波分析[34-37]、信號(hào)熵[38-39]、聲學(xué)模態(tài)分解[25,31],以及高階譜方法[19],這些方法參見(jiàn)對(duì)應(yīng)的文獻(xiàn)。

3.1 基于信號(hào)變化率的診斷方法

壓氣機(jī)進(jìn)入失穩(wěn)狀態(tài)時(shí)氣流參數(shù)的急劇變化可以在信號(hào)時(shí)域被直觀地捕捉到。雷杰等[40]提出了一種基于脈動(dòng)壓力變化率的喘振檢測(cè)方法,這種方法首先使用式(1)提取出脈動(dòng)壓力中的動(dòng)態(tài)量,獲得類(lèi)似聲壓的結(jié)果ΔP1。喘振發(fā)生時(shí),ΔP1會(huì)發(fā)生急劇變化,可以通過(guò)式(2)來(lái)監(jiān)測(cè)這種變化并給出檢測(cè)結(jié)果。

(1)

|d(ΔP1)/dt|>A

(2)

式中:P1(i)為傳感器采集到的壓力信號(hào);N為計(jì)算均值所使用的點(diǎn)數(shù);k為當(dāng)前時(shí)刻;A為檢測(cè)閾值。這種方法計(jì)算簡(jiǎn)單,適用于在線診斷,但需要開(kāi)展大量試驗(yàn)工作,確定各種狀態(tài)下脈動(dòng)壓力變化率的分布規(guī)律以及診斷閾值。

3.2 基于信號(hào)方差的診斷方法

方差可以反映一段時(shí)間內(nèi)信號(hào)圍繞其平均值的波動(dòng)量,而波動(dòng)量是壓氣機(jī)失穩(wěn)時(shí)信號(hào)時(shí)域上最顯著的特征。失穩(wěn)狀態(tài)下的聲壓波動(dòng)也可以使用統(tǒng)計(jì)方差[41-42]、延遲方差[39]、自協(xié)方差[21]等來(lái)度量,劉勃等[43]提出了一種改進(jìn)的方差方法。

(3)

(4)

(5)

自協(xié)方差是描述平穩(wěn)隨機(jī)信號(hào)統(tǒng)計(jì)特征最常用的二階統(tǒng)計(jì)量。對(duì)于平穩(wěn)隨機(jī)信號(hào),自協(xié)方差函數(shù)等于去除了均值部分的自相關(guān)函數(shù),因此自協(xié)方差受壓氣機(jī)工況變化影響較小。對(duì)于k時(shí)刻前采集到的長(zhǎng)度為N的信號(hào)P(i),可以使用式(6)計(jì)算時(shí)差為m時(shí)的自協(xié)方差,并根據(jù)方差范圍給出失穩(wěn)診斷結(jié)果。

(6)

(7)

3.3 基于信號(hào)相關(guān)性的診斷方法

變化率與方差主要關(guān)注失穩(wěn)信號(hào)的突變與波動(dòng)范圍是否在閾值之內(nèi),但單一的閾值往往缺乏通用性,并且這2個(gè)指標(biāo)對(duì)于特征微弱的失穩(wěn)先兆響應(yīng)并不靈敏。信號(hào)相似度方法將2個(gè)子段信號(hào)的相關(guān)性指標(biāo)作為檢測(cè)參數(shù),在一定程度上解決了該問(wèn)題。相似度越大,說(shuō)明傳感器采集到的壓力波信號(hào)具有越好的時(shí)間周期性,壓氣機(jī)工作穩(wěn)定。李琳等[45-46]較早地驗(yàn)證了這種方法在失速先兆檢測(cè)方面的可行性。李繼超等[47]提出了比較不同位置信號(hào)相似度的方法,進(jìn)一步獲取了失穩(wěn)起始點(diǎn)的位置信息。毛發(fā)金[48]使用概率分布函數(shù)改進(jìn)了這一方法。Li等[49]對(duì)這種方法背后的原理做出了詳細(xì)的闡述。Dong等[50]基于這種方法評(píng)估了處理機(jī)匣對(duì)壓氣機(jī)穩(wěn)定性的提升。

對(duì)于單個(gè)傳感器采集到的聲壓信號(hào)P,t時(shí)刻的信號(hào)相似度R(t)可以使用式(8)計(jì)算:

(8)

式中:dwnd為子段長(zhǎng)度;tshaft為所要比較的2個(gè)子段的時(shí)間間隔。余弦相似度方法對(duì)信號(hào)的周期性較為敏感,李琳等[46]建議使用一個(gè)轉(zhuǎn)子周期作為時(shí)間間隔,子段長(zhǎng)度可以根據(jù)計(jì)算量要求從一個(gè)葉片周期到一個(gè)轉(zhuǎn)子周期之間選擇[51]。

互相關(guān)方法使用在壓氣機(jī)周向布置的多個(gè)傳感器同一時(shí)刻的余弦相似度作為檢測(cè)參數(shù)。當(dāng)壓氣機(jī)進(jìn)入失穩(wěn)狀態(tài)時(shí),失速先兆會(huì)導(dǎo)致不同位置傳感器信號(hào)的差異。對(duì)于來(lái)自通道X與Y的2個(gè)信號(hào),余弦相似度為

(9)

為了降低正常狀態(tài)下相似度波動(dòng)導(dǎo)致的誤報(bào),可以使用累計(jì)分布函數(shù),將一段時(shí)間內(nèi)相似度超過(guò)閾值的概率作為檢測(cè)指標(biāo),如式(10)所示,相較于R值,接近失穩(wěn)狀態(tài)時(shí),F(Rth)上升得更加平穩(wěn)。

F(Rth)=P(R≤Rth)

(10)

基于相關(guān)性的方法計(jì)算方便,通用性更強(qiáng)。據(jù)報(bào)道,其已經(jīng)在多次高速和低速壓氣試驗(yàn)中得到成功應(yīng)用[48,52-53],并且由于失穩(wěn)先兆出現(xiàn)時(shí)也會(huì)引發(fā)相關(guān)性的波動(dòng),使得這種方法在預(yù)警速度上具有明顯優(yōu)勢(shì)。但是當(dāng)子段間隔或長(zhǎng)度選擇不當(dāng),導(dǎo)致相位發(fā)生變化時(shí),相似度可能發(fā)生波動(dòng)。

3.4 基于統(tǒng)計(jì)分布特征的診斷方法

對(duì)于一些方法閾值難以確定的問(wèn)題,李長(zhǎng)征等[54]發(fā)現(xiàn)壓氣機(jī)出口總壓脈動(dòng)的有效值服從正態(tài)分布,并據(jù)此提出了基于統(tǒng)計(jì)特征的喘振檢測(cè)方法,其流程如圖13所示,首先根據(jù)正常運(yùn)行時(shí)的數(shù)據(jù),估計(jì)信號(hào)的正態(tài)分布參數(shù)μ、σ,通過(guò)判斷當(dāng)前壓力值是否超過(guò)μ±Cthσ給出預(yù)警。申世才等[55]發(fā)現(xiàn)轉(zhuǎn)速變化過(guò)程中的壓力參數(shù)波動(dòng)會(huì)導(dǎo)致分布參數(shù)估計(jì)失敗,減小用于參數(shù)估計(jì)的樣本容量可以解決這一問(wèn)題。隨后李長(zhǎng)征等[56]又提出了一種聯(lián)合時(shí)域頻域特征喘振檢測(cè)方法,在時(shí)域上計(jì)算信號(hào)的方差,在頻域上計(jì)算信號(hào)的中心頻率,借助二維正態(tài)分布函數(shù)對(duì)這兩個(gè)參數(shù)開(kāi)展檢測(cè)。

圖13 基于統(tǒng)計(jì)分布特征的失穩(wěn)檢測(cè)方法[56]

3.5 基于頻域能量分布的診斷方法

借助頻譜分析信號(hào)的周期性或頻率特性進(jìn)行檢測(cè)是故障檢測(cè)常用的手段。Aretakis等[15]發(fā)現(xiàn)0～0.9BPF頻率范圍的聲壓信號(hào)均方根幅值σ0.9X隨著壓氣機(jī)流量的降低呈現(xiàn)單調(diào)增加的趨勢(shì)。因此可以確定出區(qū)分穩(wěn)定與失速、失速與喘振的閾值σL1與σL2,并建立起轉(zhuǎn)速與σL1、σL2的關(guān)系。通過(guò)判斷σ0.9X與當(dāng)前轉(zhuǎn)速對(duì)應(yīng)的σL1、σL2的大小,給出失穩(wěn)預(yù)警,流程如圖14所示。李長(zhǎng)征等[57]提出了基于低頻成分瞬時(shí)能量的失穩(wěn)檢測(cè)方法。杜軍等[58]提出根據(jù)低頻能量與其余能量的比例檢測(cè)失穩(wěn)的方法,如圖15所示,實(shí)現(xiàn)了對(duì)不同換算轉(zhuǎn)速下的軸流壓氣機(jī)喘振故障的診斷。這種方法無(wú)須設(shè)置閾值,更加適用于工程應(yīng)用。

圖14 基于RMS的壓氣機(jī)故障診斷方法[15]

圖15 基于聲壓能量比的壓氣機(jī)故障診斷方法[58]

3.6 基于數(shù)據(jù)驅(qū)動(dòng)的診斷方法

基于數(shù)據(jù)驅(qū)動(dòng)的各種故障識(shí)別方法已經(jīng)在很多場(chǎng)景取得了良好的效果,并有望應(yīng)用于壓氣機(jī)氣動(dòng)失穩(wěn)故障的監(jiān)測(cè)甚至預(yù)警,特別是失穩(wěn)先兆監(jiān)測(cè)這種微小特征識(shí)別任務(wù)。但由于試驗(yàn)成本高昂、數(shù)據(jù)難以積累等原因,現(xiàn)有的研究大多基于低速風(fēng)扇/壓氣機(jī)試驗(yàn)器開(kāi)展。Schulze等[59]基于離心壓氣機(jī)噪聲信號(hào)的轉(zhuǎn)頻能量、葉片通過(guò)頻率能量等特征,使用人工免疫算法對(duì)氣動(dòng)失穩(wěn)故障進(jìn)行了診斷,實(shí)現(xiàn)了對(duì)于氣動(dòng)失穩(wěn)的提前預(yù)警。

Wang等[60-63]進(jìn)行了數(shù)據(jù)驅(qū)動(dòng)方法的一系列代表性研究工作,對(duì)包含外部擾動(dòng)的微小且快速變化的失速動(dòng)態(tài)信號(hào)進(jìn)行了RBF神經(jīng)網(wǎng)絡(luò)建模和動(dòng)態(tài)模式快速識(shí)別,通過(guò)比較當(dāng)前信號(hào)與不同失穩(wěn)模式庫(kù)的殘差,實(shí)現(xiàn)了對(duì)短尺度Spike型失速的提前預(yù)警。另一些研究工作更聚焦于端到端學(xué)習(xí),即直接將原始信號(hào)作為診斷模型的輸入,將診斷結(jié)果作為輸出。Hipple等[64]使用LSTM網(wǎng)絡(luò)基于多種傳感器信號(hào)開(kāi)展了失速預(yù)測(cè)研究,指出使用回歸模型預(yù)測(cè)壓氣機(jī)的失穩(wěn),將失穩(wěn)概率作為網(wǎng)絡(luò)的輸出獲得的結(jié)果更加準(zhǔn)確。Quan等[65-66]提出了一種用于失穩(wěn)預(yù)測(cè)的LR-WaveNet模型,模型的輸入為時(shí)序數(shù)據(jù)和時(shí)域特征,輸出為當(dāng)前時(shí)刻對(duì)應(yīng)的失穩(wěn)概率,并通過(guò)與LR模型、WaveNet模型、LSTM模型進(jìn)行對(duì)比驗(yàn)證了所提出方法的預(yù)測(cè)精度與穩(wěn)定性較好。

4 結(jié)束語(yǔ)

聲信號(hào)中包含了大量關(guān)于壓氣機(jī)工作狀態(tài)的信息。通過(guò)對(duì)聲信號(hào)的深入研究分析,有望研制出更加準(zhǔn)確、靈敏的壓氣機(jī)故障診斷、監(jiān)測(cè)和預(yù)警方法。通過(guò)對(duì)以上研究工作的介紹,主要得到以下結(jié)論。

① 壓氣機(jī)的各種氣動(dòng)失穩(wěn)形式都可以在聲信號(hào)上得到表征。相比于機(jī)匣外側(cè),安裝在進(jìn)氣道靠近氣流位置的傳聲器對(duì)氣動(dòng)失穩(wěn)故障的響應(yīng)更加靈敏,信噪比更高。壓氣機(jī)進(jìn)入氣動(dòng)失穩(wěn)時(shí)通常伴隨著聲信號(hào)幅值的增大,而這種幅值增大通常有氣動(dòng)失穩(wěn)相關(guān)的先兆特征,如模態(tài)波等。

② 基于上述信號(hào)變化特征,可以使用聲信號(hào)對(duì)壓氣機(jī)的失穩(wěn)故障進(jìn)行監(jiān)測(cè)與預(yù)測(cè),目前常用的方法主要關(guān)注聲信號(hào)時(shí)域幅值特征、頻段能量特征和信號(hào)周期性特征,基本實(shí)現(xiàn)了對(duì)于失穩(wěn)的監(jiān)測(cè),但是對(duì)于特征更加微弱的失穩(wěn)先兆監(jiān)測(cè)能力有所不足。先進(jìn)的信號(hào)處理方法,例如各種模態(tài)分解算法、智能方法有望為失穩(wěn)預(yù)警提供有效手段。

③ 目前對(duì)于壓氣機(jī)聲學(xué)測(cè)量的研究仍存在一些局限,限制了聲學(xué)方法作為能夠在線診斷、健康監(jiān)測(cè)的數(shù)據(jù)來(lái)源的可能。這種局限主要來(lái)源于:很多聲學(xué)試驗(yàn)都是在實(shí)驗(yàn)室或露天試車(chē)臺(tái)環(huán)境中開(kāi)展,伴隨著嚴(yán)格的消聲措施與混響控制,而實(shí)際飛行條件下測(cè)得的聲信號(hào)可能包含了大量的噪聲與干擾。為解決這一問(wèn)題,可能需要在傳感器的選擇與布局、聲源定位、降噪方法等方面開(kāi)展進(jìn)一步研究,提高信號(hào)的信噪比。

④ 對(duì)于數(shù)據(jù)驅(qū)動(dòng)的失穩(wěn)診斷方法數(shù)據(jù)量不足的問(wèn)題,可能需要在充分認(rèn)識(shí)氣動(dòng)失穩(wěn)機(jī)理的基礎(chǔ)上,探究借助數(shù)字孿生等手段,人工構(gòu)造失穩(wěn)信號(hào)數(shù)據(jù)。盡管廣泛收集來(lái)自各種型號(hào)的數(shù)據(jù),構(gòu)造通用的失穩(wěn)監(jiān)測(cè)預(yù)測(cè)模型較為困難,但對(duì)于某些重點(diǎn)型號(hào),針對(duì)性地大量搜集試驗(yàn)數(shù)據(jù),構(gòu)造數(shù)據(jù)集并訓(xùn)練準(zhǔn)確率更高的失穩(wěn)監(jiān)測(cè)與預(yù)警模型是有可能實(shí)現(xiàn)的。