基于FDM法的航空發(fā)動(dòng)機(jī)轉(zhuǎn)子全周碰摩故障診斷研究

鄧國(guó)智

(西安航空職業(yè)技術(shù)學(xué)院 航空維修工程學(xué)院,陜西 西安 710089)

作為高速旋轉(zhuǎn)設(shè)施，航空發(fā)動(dòng)機(jī)長(zhǎng)時(shí)間處于高溫、高壓、高負(fù)荷狀態(tài)運(yùn)轉(zhuǎn)，而轉(zhuǎn)子作為核心構(gòu)件，不僅故障發(fā)生率較高，且調(diào)整與維護(hù)工作難度大，很容易引發(fā)失衡、裂縫、碰摩等各種故障。早期結(jié)構(gòu)損傷不會(huì)導(dǎo)致結(jié)構(gòu)全面損毀，可會(huì)直接影響結(jié)構(gòu)安全性與穩(wěn)定性，所以采取有效故障診斷方法，科學(xué)監(jiān)控診斷轉(zhuǎn)子故障，防止發(fā)生嚴(yán)重事故具有十分重要的現(xiàn)實(shí)意義。在航空發(fā)動(dòng)機(jī)中，轉(zhuǎn)子振動(dòng)信號(hào)主要包括設(shè)施運(yùn)行狀態(tài)特征信息，有效提取識(shí)別相似信息為故障診斷主要途徑[1]。因此，本文提出了基于FDM算法的轉(zhuǎn)子全周碰摩故障診斷方法。

1 FDM算法分析

1.1 算法原理

FDM算法先明確傅里葉既有頻帶函數(shù)(FIBFs)，以此為被分解信號(hào)單分量成分，再按照順序計(jì)算分析構(gòu)建滿(mǎn)足頻帶函數(shù)條件的區(qū)域性周期信號(hào)，基于Hilbert信號(hào)解析方法面向周期信號(hào)，開(kāi)展自適應(yīng)解析，以獲得不同分量相應(yīng)傅里葉既有頻帶解析函數(shù)(AFIBFs)，進(jìn)而分解信號(hào)為FIBFs分量與殘余分量總和[2]。

傅里葉分解FDM可表征多分量隨機(jī)信號(hào)通過(guò)特定連續(xù)單傅里葉既有頻帶分量與殘余分量總和，則：

(1)

式中：x(r)為多分量隨機(jī)信號(hào)；y(i)為頻帶分量；yi(r)為W個(gè)單傅里葉既有頻帶分量，即信號(hào)的FIBFs分量；z為殘余分量。

1.2 算法步驟

FDM算法具備兩種信號(hào)AFIBFs篩選方式，所以具有兩類(lèi)FDM分解流程，則由低頻向高頻的正向篩選算法(FDM-LTH)與由高頻向低頻的反向篩選算法(FDM-HTL)，不同分解方法與時(shí)頻能量分布相應(yīng)，以映射信號(hào)特征信息。算法步驟[3]如下：

2 數(shù)值仿真

為驗(yàn)證FDM算法科學(xué)有效性，構(gòu)建仿真信號(hào)[4]：

x1(r)=x11(r)+x12(r)
x11(r)=sin(400πr+180πr2)
x12(r)=(1+cos20πr)cos(200πr+3sin20πr)

(2)

式中:x1(r)為仿真信號(hào)；x11(r)為調(diào)頻信號(hào)；x12(r)為調(diào)頻調(diào)幅信號(hào)。合理設(shè)置采樣頻率即1 000 Hz，通過(guò)不同信號(hào)分解方法分解仿真信號(hào)，對(duì)不同結(jié)果進(jìn)行比較分析，以此驗(yàn)證FDM算法的實(shí)效性。

通過(guò)仿真信號(hào)分解結(jié)果可知，EWT(經(jīng)驗(yàn)?zāi)B(tài)分解方法)法可有效分解調(diào)頻調(diào)幅信號(hào)，獲得模態(tài)分量與殘余分量，相應(yīng)仿真信號(hào)原始分量即x11(r)與x12(r)，分解結(jié)果中存在信號(hào)過(guò)分解分量，并且局部存在端點(diǎn)效應(yīng)，部分區(qū)域甚至存在嚴(yán)重的模態(tài)混疊，所以，根本不能有效分解調(diào)頻調(diào)幅信號(hào)。而VMD(完全非遞歸自適應(yīng)時(shí)頻分析法)法可分解仿真信號(hào)，以獲得分量相應(yīng)仿真信號(hào)原始分量，分解結(jié)果存在部分區(qū)域分解失效現(xiàn)象。但是FDM算法可自適應(yīng)有效分解仿真信號(hào)，獲得科學(xué)合理映射仿真信號(hào)原始分量的信號(hào)FIBFs，且未出現(xiàn)端點(diǎn)效應(yīng)與模態(tài)混疊問(wèn)題，殘余量振幅接近于0，由此可知，F(xiàn)DM算法可分解調(diào)頻調(diào)幅類(lèi)非線(xiàn)性非平穩(wěn)性信號(hào)[5]。

為深入討論FDM算法時(shí)頻分辨效果，進(jìn)行仿真信號(hào)分解結(jié)果時(shí)頻能量分析，其中FDM-LTH與FDM-HTL算法時(shí)頻分辨效果良好，不存在冗余頻率分量，可直觀表示仿真信號(hào)所涵蓋的時(shí)頻特征信號(hào)，并揭示仿真信號(hào)部分時(shí)頻特征，其中高頻階段，F(xiàn)DM-LTH更具優(yōu)勢(shì)，時(shí)頻聚散性更強(qiáng)；低頻階段，F(xiàn)DM-HTL更具優(yōu)勢(shì)，視頻分辨率更強(qiáng)[6]。

3 轉(zhuǎn)子全周碰摩實(shí)驗(yàn)分析

3.1 實(shí)驗(yàn)儀器

基于轉(zhuǎn)子試驗(yàn)器采集航空發(fā)動(dòng)機(jī)轉(zhuǎn)子全周碰摩實(shí)驗(yàn)故障樣本數(shù)據(jù)，進(jìn)行FDM分解，以驗(yàn)證FDM算法的有效性。其中，為順利開(kāi)展實(shí)驗(yàn)，在轉(zhuǎn)子機(jī)匣頂部位置需使用扳手?jǐn)Q緊碰摩螺釘，以促使其與渦輪葉片相接近，造成轉(zhuǎn)子機(jī)匣變形，生成渦輪葉片與機(jī)匣封嚴(yán)間隙位置的轉(zhuǎn)子全周碰摩故障[7]。

3.2 時(shí)頻分析

轉(zhuǎn)子全周碰摩實(shí)驗(yàn)參數(shù)具體如表1所示。

表1 轉(zhuǎn)子全周碰摩實(shí)驗(yàn)參數(shù)

基于試驗(yàn)器機(jī)匣某一測(cè)點(diǎn)的轉(zhuǎn)子加速度振動(dòng)信號(hào)進(jìn)行實(shí)驗(yàn)研究，以分析轉(zhuǎn)子全周碰摩故障，通過(guò)重力加速度統(tǒng)量綱量化加速度，選擇轉(zhuǎn)子全周碰摩試驗(yàn)所采集轉(zhuǎn)子振動(dòng)信號(hào)數(shù)據(jù)開(kāi)展時(shí)頻分析。

其中，轉(zhuǎn)子碰摩呈現(xiàn)非線(xiàn)性非平穩(wěn)性特點(diǎn)，振動(dòng)信號(hào)存在明顯非周期沖擊性，表征為顯著調(diào)頻調(diào)幅非平穩(wěn)性。轉(zhuǎn)子機(jī)匣單點(diǎn)-轉(zhuǎn)子全周碰摩故障振動(dòng)信號(hào)存在明顯頻譜周期沖擊性，其中1 450 Hz沖擊頻率狀態(tài)下，頻譜能量分布緊密，而周期沖擊頻譜即渦輪葉片通過(guò)轉(zhuǎn)子機(jī)匣的既有頻率，是轉(zhuǎn)速頻率與渦輪葉片數(shù)目乘積，轉(zhuǎn)子全周碰摩振動(dòng)信號(hào)的高頻譜階段沖擊頻率的2、3倍頻位置，有明顯調(diào)幅沖擊響應(yīng)，是轉(zhuǎn)子全周碰摩獨(dú)特的高頻階段沖擊性。1 450 Hz沖擊頻率狀態(tài)下，兩端存在四組等間隔邊譜帶簇，頻率即轉(zhuǎn)速頻率值，而局部放大區(qū)域頻譜中，2、3倍頻位置兩端同時(shí)出現(xiàn)基于轉(zhuǎn)速頻率作為隔離帶的邊譜頻譜帶，以此生成同等間距邊譜帶簇，而此現(xiàn)象表明了轉(zhuǎn)子全周碰摩故障特征，也證明了所采集振動(dòng)信號(hào)中存在轉(zhuǎn)子全周碰摩故障。

據(jù)此，通過(guò)振動(dòng)信號(hào)頻譜分析可知轉(zhuǎn)子全周碰摩故障沖擊頻率特征，以及故障特征，然而轉(zhuǎn)子單葉片碰摩弱故障特性頻率倍強(qiáng)大的噪聲背景所影響，難以明確辨別[8]。

3.3 診斷流程

FDM算法可有效分解調(diào)頻調(diào)幅類(lèi)非線(xiàn)性非平穩(wěn)性信號(hào)，面向仿真信號(hào)分解結(jié)果進(jìn)行Hilbert譜分析，可提取仿真信號(hào)分量信號(hào)頻譜特征信息，以此為基礎(chǔ)進(jìn)行仿真?；贔DM法的航空發(fā)動(dòng)機(jī)轉(zhuǎn)子全周碰摩故障診斷流程[9]具體如圖1所示。

圖1 故障診斷流程

3.4 診斷結(jié)果分析

基于相關(guān)系數(shù)準(zhǔn)則的轉(zhuǎn)子全周碰摩故障診斷方法，有效提取振動(dòng)信號(hào)分量Hilbert譜故障特征頻率，以此對(duì)基于FDM算法與Hilbert譜分析的轉(zhuǎn)子全周碰摩故障診斷實(shí)效性加以驗(yàn)證。以EWT、VMD、FDM算法為例診斷轉(zhuǎn)子全周碰摩故障，獲得不同信號(hào)分解故障特征信息提取結(jié)果[10]，具體如圖2～圖6所示。

圖2 原始振動(dòng)信號(hào)故障特征

圖3 EWT提取結(jié)果

圖4 VMD提取結(jié)果

圖5 FDM-LTH提取結(jié)果

圖6 FDM-HTL提取結(jié)果

通過(guò)提取結(jié)果可以看出，EWT與VMD算法提取結(jié)果包括一定的故障特征頻率基頻、二倍頻，然而提取結(jié)果存在局部噪聲頻率，即A、B、C位置。而FDM算法提取結(jié)果包括轉(zhuǎn)速頻率基頻、二倍頻、三倍頻、四倍頻、五倍頻，不存在噪聲頻率，與原始振動(dòng)信號(hào)故障特征比較而言，其相對(duì)完善，可有效呈現(xiàn)轉(zhuǎn)子全周碰摩故障特征。

4 結(jié) 論

總之，基于FDM法的航空發(fā)動(dòng)機(jī)轉(zhuǎn)子全周碰摩故障診斷方法，不僅可高效提取轉(zhuǎn)子系統(tǒng)機(jī)匣-轉(zhuǎn)子全周碰摩故障特征信息，還可面向振動(dòng)信號(hào)進(jìn)行頻譜分析，以有效提取碰摩沖擊頻率故障特征信號(hào)，基于自適應(yīng)信號(hào)分解方式方法，分離獲得最大程度包括故障特征信號(hào)的分量，同時(shí)針對(duì)備選分量做Hilbert包絡(luò)譜分析，從而獲取轉(zhuǎn)子單葉片碰摩故障特征頻率成分。通過(guò)基于EWT、VMD、FDM算法的故障特征頻率提取實(shí)驗(yàn)結(jié)果比較分析，得知基于FDM算法的故障診斷方法時(shí)頻分辨率較高，且能夠科學(xué)合理提取轉(zhuǎn)子全周碰摩故障特征信息。