本公开公开了一种叶片裂纹监测方法、装置和系统，涉及旋转机械领域。该方法包括：获取叶片的叶端定时信号和转轴的转速；基于叶片的坎贝尔图以及转轴转速，将叶端定时信号转换为叶片振动信号；以及将叶片振动信号输入至训练好的裂纹预测模型，预测叶片是否出现裂纹，若出现裂纹，则确定裂纹在叶片上的位置以及裂纹尺寸中的至少一项。本公开能够实时监测叶片裂纹，克服只能停机离线检测叶片裂纹的问题，保障叶片安全运行。障叶片安全运行。障叶片安全运行。
【技术实现步骤摘要】
叶片裂纹监测方法、装置和系统
[0001]本公开涉及旋转机械领域，尤其涉及一种叶片裂纹监测方法、装置和系统。
技术介绍
[0002]转子叶片是航空发动机、燃气轮机、汽轮机等旋转机械的核心零件之一。在运行过程中，转子叶片不仅受高离心力、高温作用，通常还受交变气流力作用，工作环境极为恶劣，十分容易产生裂纹。随着裂纹的不断扩展，叶片可能会断裂，由于转速较高，断裂的叶片具有较大的能量，很可能造成严重事故。因此及时检测叶片裂纹、评估叶片剩余强度直接影响运行安全。目前通常是离线检测，例如电涡流检测、超声波检测、X射线检测等。但这些方法都无法对运行中的转子叶片进行检测，需要关停设备，效率低。
技术实现思路
[0003]本公开要解决的一个技术问题是，提供一种叶片裂纹监测方法、装置和系统，能够实时监测叶片裂纹，克服只能停机离线检测叶片裂纹的问题。
[0004]根据本公开一方面，提出一种叶片裂纹监测方法，包括：获取叶片的叶端定时信号和转轴的转速；基于叶片的坎贝尔图以及转轴转速，将叶端定时信号转换为叶片振动信号；以及将叶片振动信号输入至训练好的裂纹预测模型，预测叶片是否出现裂纹，若出现裂纹，则确定裂纹在叶片上的位置以及裂纹尺寸中的至少一项。
[0005]在一些实施例中，训练裂纹预测模型包括：建立具有不同位置和尺寸的裂纹的叶片模型；对叶片模型进行有限元分析，获取不同转速情况下，各个叶片模型的各阶固有振动频率；以及将振动阶次、振动频率作为神经网络模型的输入参数，将裂纹位置和裂纹尺寸中的至少一项作为神经网络模型的输出参数，对神经网络模型进行训练，得到裂纹预测模型。
[0006]在一些实施例中，根据不同转速情况下，各个叶片模型的各阶固有振动频率，得到叶片的坎贝尔图。
[0007]在一些实施例中，对神经网络模型进行训练包括：调整神经网络模型中各神经元的连接权值和阈值，通过反复迭代，直到训练结果满足损失函数的要求。
[0008]在一些实施例中，根据裂纹在叶片上的位置以及裂纹尺寸，集合断裂力学相关算法，评估叶片的剩余强度。
[0009]在一些实施例中，根据叶片的剩余强度，判断叶片是否处于安全状态；以及若叶片处于非安全状态，则发出报警信号。
[0010]根据本公开的另一方面，还提出一种叶片裂纹监测装置，包括：数据获取单元，被配置为获取叶片的叶端定时信号和转轴的转速；信号转换单元，被配置为基于叶片的坎贝尔图以及转轴转速，将叶端定时信号转换为叶片振动信号；以及裂纹预测单元，被配置为将叶片振动信号输入至训练好的裂纹预测模型，预测叶片是否出现裂纹，若出现裂纹，则确定裂纹在叶片上的位置以及裂纹尺寸中的至少一项。
[0011]在一些实施例中，该叶片裂纹监测装置还包括：模型训练单元，被配置为建立具有
不同位置和尺寸的裂纹的叶片模型；对叶片模型进行有限元分析，获取不同转速情况下，各个叶片模型的各阶固有振动频率；以及将振动阶次、振动频率作为神经网络模型的输入参数，将裂纹位置和裂纹尺寸中的至少一项作为神经网络模型的输出参数，对神经网络模型进行训练，得到裂纹预测模型。
[0012]在一些实施例中，该叶片裂纹监测装置还包括：剩余强度评估单元，被配置为根据裂纹在叶片上的位置以及裂纹尺寸，集合断裂力学相关算法，评估叶片的剩余强度。
[0013]在一些实施例中，该叶片裂纹监测装置还包括：安全状态判断单元，被配置为根据叶片的剩余强度，判断叶片是否处于安全状态；以及报警单元，被配置为若叶片处于非安全状态，则发出报警信号。
[0014]根据本公开的另一方面，还提出一种叶片裂纹监测装置，包括：存储器；以及耦接至存储器的处理器，处理器被配置为基于存储在存储器的指令执行如上述的叶片裂纹监测方法。
[0015]根据本公开的另一方面，还提出一种叶片裂纹监测系统包括：叶端定时传感器，被配置为采集叶片的叶端定时信号；转速传感器，被配置为采集叶片所在转轴的转速；以及上述的叶片裂纹监测装置。
[0016]根据本公开的另一方面，还提出一种非瞬时性计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现上述的叶片裂纹监测方法。
[0017]本公开实施例中，在获取叶片的叶端定时信号和转轴的转速后，将叶端定时信号转换为叶片振动信号，进而将叶片振动信号输入至训练好的裂纹预测模型，预测叶片是否出现裂纹，若出现裂纹，则确定裂纹在叶片上的位置以及裂纹尺寸，本公开能够实时监测叶片裂纹，克服只能停机离线检测叶片裂纹的问题，保障叶片安全运行。
[0018]通过以下参照附图对本公开的示例性实施例的详细描述，本公开的其它特征及其优点将会变得清楚。
附图说明
[0019]构成说明书的一部分的附图描述了本公开的实施例，并且连同说明书一起用于解释本公开的原理。
[0020]参照附图，根据下面的详细描述，可以更加清楚地理解本公开，其中：
[0021]图1为本公开的叶片裂纹监测方法的一些实施例的流程示意图。
[0022]图2为本公开的叶片裂纹监测方法的另一些实施例的流程示意图。
[0023]图3为神经网络结构示意图。
[0024]图4为本公开的叶片裂纹监测装置的一些实施例的结构示意图。
[0025]图5为本公开的叶片裂纹监测装置的另一些实施例的结构示意图。
[0026]图6为本公开的叶片裂纹监测装置的另一些实施例的结构示意图。
[0027]图7为本公开的叶片裂纹监测系统的一些实施例的结构示意图。
[0028]图8为本公开的叶片裂纹监测系统的另一些实施例的结构示意图。
具体实施方式
[0029]现在将参照附图来详细描述本公开的各种示例性实施例。应注意到：除非另外具
体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
[0030]同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
[0031]以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。
[0032]对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。
[0033]在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。
[0034]应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
[0035]为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本公开进一步详细说明。
[0036]图1为本公开的叶片裂纹监测方法的一些实施例的流程示意图。
[0037]在步骤110，获取叶片的叶端定时信号和转轴的转速。
[003本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种叶片裂纹监测方法，包括：获取叶片的叶端定时信号和转轴的转速；基于所述叶片的坎贝尔图以及转轴转速，将所述叶端定时信号转换为叶片振动信号；以及将所述叶片振动信号输入至训练好的裂纹预测模型，预测所述叶片是否出现裂纹，若出现裂纹，则确定裂纹在所述叶片上的位置以及裂纹尺寸中的至少一项。2.根据权利要求1所述的叶片裂纹监测方法，其中，训练裂纹预测模型包括：建立具有不同位置和尺寸的裂纹的叶片模型；对所述叶片模型进行有限元分析，获取不同转速情况下，各个叶片模型的各阶固有振动频率；以及将振动阶次、振动频率作为神经网络模型的输入参数，将裂纹位置和裂纹尺寸中的至少一项作为所述神经网络模型的输出参数，对所述神经网络模型进行训练，得到所述裂纹预测模型。3.根据权利要求2所述的叶片裂纹监测方法，其中，根据不同转速情况下，各个叶片模型的各阶固有振动频率，得到所述叶片的坎贝尔图。4.根据权利要求2所述的叶片裂纹监测方法，其中，对所述神经网络模型进行训练包括：调整所述神经网络模型中各神经元的连接权值和阈值，通过反复迭代，直到训练结果满足损失函数的要求。5.根据权利要求1至4任一所述的叶片裂纹监测方法，还包括：根据裂纹在所述叶片上的位置以及裂纹尺寸，集合断裂力学相关算法，评估所述叶片的剩余强度。6.根据权利要求5所述的叶片裂纹监测方法，还包括：根据所述叶片的剩余强度，判断所述叶片是否处于安全状态；以及若所述叶片处于非安全状态，则发出报警信号。7.一种叶片裂纹监测装置，包括：数据获取单元，被配置为获取叶片的叶端定时信号和转轴的转速；信号转换单元，被配置为基于所述叶片的坎贝尔图以及转轴转速，将所述叶端定时信号转...
【专利技术属性】
技术研发人员：吴俊男，龚昊伟，徐鹤鸣，侯乃先，
申请(专利权)人：中国航发商用航空发动机有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。