一种航空发动机轮盘裂纹智能识别方法、系统及装置制造方法及图纸

本发明专利技术公开一种航空发动机轮盘裂纹智能识别方法、系统及装置，方法包括航空发动机轮盘裂纹模式库构建、航空发动机轮盘裂纹模式库扩充、航空发动机轮盘裂纹在线检测以及航空发动机轮盘裂纹智能识别，本发明专利技术通过有限元仿真得到轮盘叶片叶尖径向间隙与叶片周向间距的分布情况，对仿真结果进行扩充，构建轮盘裂纹模式库。通过计算裂纹模式库样本特征向量与待识别样本特征向量之间的余弦相似度，判断轮盘上是否存在裂纹，并同时得到裂纹的类型和裂纹的位置，综合考虑叶尖间隙和叶片间距两种参数的判别结果，提高轮盘裂纹检测、分类与位置识别结果的可靠性。

【技术实现步骤摘要】
一种航空发动机轮盘裂纹智能识别方法、系统及装置
本专利技术属于机械故障诊断
，具体涉及一种航空发动机轮盘裂纹智能识别方法、系统及装置。
技术介绍
轮盘是航空发动机的核心旋转部件及动力来源，对发动机的性能和安全性有重要影响。轮盘在高温、高压、高转速的复杂工况下运行，承受离心载荷、热载荷和气动载荷的多重激励，在其应力集中的部位容易产生低循环疲劳裂纹。一旦裂纹扩展，轮盘开裂部分将迅速飞出，打穿机匣，造成严重的飞行事故。因此，及时地检测轮盘的状态，有效的判别故障类型和位置对保障飞行安全具有重要意义。航空发动机轮盘结构复杂，内部裂纹难以直接检测。传统的定期拆卸检修手段周期长、效率低，不能实时地了解轮盘的运行状态。近些年来，国内外广泛开展基于叶尖参数测量的轮盘故障诊断方法(Abdul-AzizA,WoikeMR,AndersonRC,etal.Propulsionhealthmonitoringassessedbymicrowavesensorperformanceandbladetiptiming.SPIE:Denver,CO,Unitedstates,2019:OZOptics,Ltd.；Polytec,Inc.；TheSocietyofPhoto-OpticalInstrumentationEngineers(SPIE).)。文献调研发现，由于轮盘结构复杂，难以通过动力学建模方法进行裂纹故障机理分析，导致故障类型和试验结果难以对应，试验结果难以解释(KharytonV,LaineJ,ThouverezF,etal.Simulationoftip-timingmeasurementsofacrackedbladeddiskforcedresponse.AmericanSocietyofMechanicalEngineers(ASME):Glasgow,Unitedkingdom,2010:845-854.)。此外，轮盘裂纹的萌生和扩展位置多变，叶尖参数曲线具有相似性，单靠人眼无法准确判断。航空发动机运行过程中，轮盘的转速和温度等工况不断变化，叶尖参数的大小和趋势也随之而变，同一种裂纹出现各种不同的测量结果，增大了裂纹识别的难度。总之，现有技术中的定期拆卸轮盘进行检修的手段周期长、效率低，不能实时地了解轮盘的运行状态。近些年广泛开展的基于叶尖参数测量的轮盘故障诊断方法，受轮盘结构复杂，难以对其进行动力学建模的限制，导致裂纹的故障机理不清晰，试验结果难以解释。
技术实现思路
为了解决现有技术中存在的问题，本专利技术提供一种航空发动机轮盘裂纹智能识别方法、系统及装置，解决因故障机理不清晰而无法定性分析故障类型以及定量诊断故障位置的问题，为轮盘裂纹检测提供了依据，使裂纹检测的准确性得到提高。为了实现上述目的，本专利技术采用的技术方案是，一种航空发动机轮盘裂纹智能识别方法，包括以下步骤：S100，分别建立正常轮盘和裂纹轮盘的几何模型，再分别对应所述几何模型建立正常轮盘和裂纹轮盘的有限元模型，通过有限元仿真计算轮盘叶尖参数曲线形状的规律，使用叶尖参数作为特征向量，构建初步的航空发动机轮盘裂纹模式库；S200，在裂纹轮盘有限元模型中设置不同的转速和裂纹位置，通过有限元仿真得到转速和裂纹位置对叶尖参数曲线形状的影响规律；以所述影响规律为依据，对S100所得初步的航空发动机轮盘裂纹模式库中样本特征向量进行纵向缩放和横向移位，扩充初步的航空发动机轮盘裂纹模式库，使其包含多种转速和多种裂纹位置的裂纹情况；S300，基于航空发动机轮盘叶尖参数测量系统，对发动机轮盘的叶尖参数进行测试、采集和分析，将得到的叶尖参数作为待识别样本特征向量；S400，基于余弦相似度计算方法度量S200所得裂纹模式库样本特征向量与S300所得待识别样本特征向量的相似性，统计相似性最高的N个裂纹模式库样本特征向量的类别，输出裂纹类型和裂纹位置信息，实现轮盘裂纹的准确分类与位置识别。S100初步的航空发动机轮盘裂纹模式库构建包括以下步骤：S101，建立正常轮盘和裂纹轮盘的几何模型；S102，分别对几何模型划分有限元网格，设置材料属性、网格类型、轮盘榫头榫槽的接触属性、分析步类型、边界条件、载荷和输出结果，建立正常轮盘和裂纹轮盘的有限元模型；所述的材料类型、接触属性、边界条件和载荷参照发动机的实际工况确定；所述输出结果指有限元模型中叶尖节点的坐标；S103，使用显式动力学方法求解有限元模型，得到叶尖参数的分布规律；S104，以所有叶片的叶尖参数作为样本特征向量，构建初步的航空发动机轮盘裂纹模式库，为轮盘裂纹的检测提供数据支持。S200航空发动机轮盘裂纹模式库扩充方法包括以下步骤：S201，建立裂纹处于不同位置时的含裂纹轮盘几何模型，对其建立有限元模型，通过有限元仿真计算不同位置的裂纹对叶尖参数曲线形状的影响规律；S202，对裂纹轮盘的有限元模型设置不同的转速，通过有限元仿真计算转速对叶尖参数曲线形状的影响规律；S203，依据S201所述影响规律，对初步的轮盘裂纹模式库中的样本特征向量进行纵向缩放，扩充初步的轮盘裂纹模式库样本特征向量的数量，构建航空发动机轮盘裂纹模式库；S204，依据S202所述影响规律，对初步的裂纹模式库中的样本特征向量进行横向移位，扩充初步的轮盘裂纹模式库样本特征向量的数量，构建航空发动机轮盘裂纹模式库。S300航空发动机轮盘裂纹在线检测方法包括以下步骤：S301，基于叶片参数测试系统，在非共振转速下采集航空发动机轮盘的叶尖参数；S302，基于S301所述叶尖参数，使用低通滤波方法对叶尖参数降噪，使用曲线拟合法提取叶尖间隙数据；S303，基于S301所述叶尖参数，使用固定频率脉冲填充法提取叶片间距；对叶片间距时间序列进行变圈预处理，剔除多余的错误时序数据，补充缺失的时序数据；S305，提取轮盘在非共振转速状态下匀速旋转一圈时的两种叶尖参数，使用叶尖参数构建待识别样本特征向量。S400航空发动机轮盘裂纹智能识别方法包括以下步骤：S401，基于余弦相似度方法度量裂纹模式库样本特征向量和待识别样本特征向量的相似性，计算裂纹模式库中各个样本特征向量与待识别样本特征向量的距离；S402，统计与待识别样本特征向量相似性最大的N个裂纹模式库样本特征向量的裂纹特征；所述裂纹特征包括是否存在裂纹，裂纹的类型和裂纹的位置，将待识别样本特征向量判别为N个样本中具有相同特征最多的一类；输出待识别样本特征向量的判别结果。S200中，所述的不同转速参照发动机的实际工作转速确定；所述不同的裂纹位置指的是在轮盘径向方向上，裂纹正对叶片的编号不同，所述的纵向缩放指对裂纹模式库中叶尖参数的幅值进行整体缩放，得到幅值改变和趋势不变的样本集；所述的横向移位，表示对裂纹模式库所有叶片叶尖参数的取值按叶片顺序逐一移动，使扩充后的样本集包含裂纹处于任何一个叶片下方的所有情况。对于发动机测试得到的待识别样本特征向本文档来自技高网...

【技术保护点】
1.一种航空发动机轮盘裂纹智能识别方法，其特征在于，包括以下步骤：/nS100，分别建立正常轮盘和裂纹轮盘的几何模型，再分别对应所述几何模型建立正常轮盘和裂纹轮盘的有限元模型，通过有限元仿真计算轮盘叶尖参数曲线形状的规律，使用叶尖参数作为特征向量，构建初步的航空发动机轮盘裂纹模式库；/nS200，在裂纹轮盘有限元模型中设置不同的转速和裂纹位置，通过有限元仿真得到转速和裂纹位置对叶尖参数曲线形状的影响规律；以所述影响规律为依据，对S100所得初步的航空发动机轮盘裂纹模式库中样本特征向量进行纵向缩放和横向移位，扩充初步的航空发动机轮盘裂纹模式库，使其包含多种转速和多种裂纹位置的裂纹情况；/nS300，基于航空发动机轮盘叶尖参数测量系统，对发动机轮盘的叶尖参数进行测试、采集和分析，将得到的叶尖参数作为待识别样本特征向量；/nS400，基于余弦相似度计算方法度量S200所得裂纹模式库样本特征向量与S300所得待识别样本特征向量的相似性，统计相似性最高的N个裂纹模式库样本特征向量的类别，输出裂纹类型和裂纹位置信息，实现轮盘裂纹的准确分类与位置识别。/n

【技术特征摘要】
1.一种航空发动机轮盘裂纹智能识别方法，其特征在于，包括以下步骤：
S100，分别建立正常轮盘和裂纹轮盘的几何模型，再分别对应所述几何模型建立正常轮盘和裂纹轮盘的有限元模型，通过有限元仿真计算轮盘叶尖参数曲线形状的规律，使用叶尖参数作为特征向量，构建初步的航空发动机轮盘裂纹模式库；
S200，在裂纹轮盘有限元模型中设置不同的转速和裂纹位置，通过有限元仿真得到转速和裂纹位置对叶尖参数曲线形状的影响规律；以所述影响规律为依据，对S100所得初步的航空发动机轮盘裂纹模式库中样本特征向量进行纵向缩放和横向移位，扩充初步的航空发动机轮盘裂纹模式库，使其包含多种转速和多种裂纹位置的裂纹情况；
S300，基于航空发动机轮盘叶尖参数测量系统，对发动机轮盘的叶尖参数进行测试、采集和分析，将得到的叶尖参数作为待识别样本特征向量；
S400，基于余弦相似度计算方法度量S200所得裂纹模式库样本特征向量与S300所得待识别样本特征向量的相似性，统计相似性最高的N个裂纹模式库样本特征向量的类别，输出裂纹类型和裂纹位置信息，实现轮盘裂纹的准确分类与位置识别。


2.根据权利要求1所述的航空发动机轮盘裂纹智能识别方法，其特征在于，S100初步的航空发动机轮盘裂纹模式库构建包括以下步骤：
S101，建立正常轮盘和裂纹轮盘的几何模型；
S102，分别对几何模型划分有限元网格，设置材料属性、网格类型、轮盘榫头榫槽的接触属性、分析步类型、边界条件、载荷和输出结果，建立正常轮盘和裂纹轮盘的有限元模型；所述的材料类型、接触属性、边界条件和载荷参照发动机的实际工况确定；所述输出结果指有限元模型中叶尖节点的坐标；
S103，使用显式动力学方法求解有限元模型，得到叶尖参数的分布规律；
S104，以所有叶片的叶尖参数作为样本特征向量，构建初步的航空发动机轮盘裂纹模式库，为轮盘裂纹的检测提供数据支持。


3.根据权利要求1所述的航空发动机轮盘裂纹智能识别方法，其特征在于，S200航空发动机轮盘裂纹模式库扩充方法包括以下步骤：
S201，建立裂纹处于不同位置时的含裂纹轮盘几何模型，对其建立有限元模型，通过有限元仿真计算不同位置的裂纹对叶尖参数曲线形状的影响规律；
S202，对裂纹轮盘的有限元模型设置不同的转速，通过有限元仿真计算转速对叶尖参数曲线形状的影响规律；
S203，依据S201所述影响规律，对初步的轮盘裂纹模式库中的样本特征向量进行纵向缩放，扩充初步的轮盘裂纹模式库样本特征向量的数量，构建航空发动机轮盘裂纹模式库；
S204，依据S202所述影响规律，对初步的裂纹模式库中的样本特征向量进行横向移位，扩充初步的轮盘裂纹模式库样本特征向量的数量，构建航空发动机轮盘裂纹模式库。


4.根据权利要求1所述的航空发动机轮盘裂纹智能识别方法，其特征在于，S300航空发动机轮盘裂纹在线检测方法包括以下步骤：
S301，基于叶片参数测试系统，在非共振转速下采集航空发动机轮盘的叶尖参数；
S302，基于S301所述叶尖参数，使用低通滤波方法对叶尖参数降噪，使用曲线拟合法提取叶尖间隙数据；
S303，基于S301所述叶尖参数，使用固定频率脉冲填充法提取叶片间距；对叶片间距时间序列进行变圈预处理，剔除多余的错误时序数据，补充缺失的时序数据；
S305，提取轮盘在非共振转速状态下匀速旋转一圈时的两种叶尖参数，使用叶尖参数构建待识别样本特征向量。


5.根据权利要求1所述航空发动机轮盘裂纹智能识别方法，其特征在于，S400航空发动机轮盘裂纹智能识别方法包括以下步骤：...

【专利技术属性】
技术研发人员：曹宏瑞，张莹莹，陈雪峰，乔百杰，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西;61