一种航空发动机叶片监测方法、装置、设备、存储介质制造方法及图纸

本申请公开了一种航空发动机叶片监测方法、装置、设备、存储介质，涉及航空发动机技术领域，包括：采集包含航空发动机叶片内容的复杂振动信号、叶片的级数、每级的叶片数、叶片所在轴的转频的叶片信息；将叶片信息输入至分级叶片信号提取模型，以便分级叶片信号提取模型对叶片信息进行目标级的叶片信息提取，以输出对应目标级的叶片信号；基于叶片信号进行叶片间距提取，以获取目标级的航空发动机叶片的叶片间距，基于叶片间距与预设间距阈值的大小关系判断对应的航空发动机叶片是否存在故障。通过振动加速度传感器获取航空发动机叶片的复杂振动信号，且通过自动提取目标级的叶片振动信号，对该叶片振动信号进行叶片间距识别，方便叶片故障定位。便叶片故障定位。便叶片故障定位。

【技术实现步骤摘要】
一种航空发动机叶片监测方法、装置、设备、存储介质


[0001]本专利技术涉及航空发动机
，特别涉及一种航空发动机叶片监测方法、装置、设备、存储介质。

技术介绍

[0002]航空发动机叶片的正常运行至关重要，一旦发生故障，危害极大。发动机叶片故障的原因有：风扇叶片断裂，压气机叶片产生疲劳裂纹、涡轮叶片断裂等。传统的叶片检测方法需要将发动机拆卸并送回维修中心进行检测，这将导致长时间的停机和高昂的维修成本。目前叶片检测主要以孔探检测，孔探仪可以通过发动机外壳的空隙就可以进入内部进行检测，从而避免了拆卸发动机外壳的损失，大大缩短了维修时间和降低了维修成本。但这种检测方法需要在发动机上的机匣上预留相应的孔，影响发动机设计，且存在一定的隐患。此外，现有的这种检测方法无法适用于发动机正常运行时的在线检测，只可应用于地面检修，检测能力有限。
[0003]综上，如何实现在发动机运行过程中实时航空发动机叶片状态监测，保障发动机的正常运行，及时发现运行过程的叶片故障，避免事故的发生是本领域有待解决的技术问题。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于提供一种航空发动机叶片监测方法、装置、设备、存储介质，能够实现在发动机运行过程中实时航空发动机叶片状态监测，保障发动机的正常运行，及时发现运行过程的叶片故障，避免事故的发生。其具体方案如下：第一方面，本申请公开了一种航空发动机叶片监测方法，包括：一种航空发动机叶片监测方法，包括：采集包含航空发动机叶片内容的复杂振动信号、叶片的级数、每级的叶片数、叶片所在轴的转频的叶片信息；将所述叶片信息输入至分级叶片信号提取模型，以便所述分级叶片信号提取模型对所述叶片信息进行目标级的叶片信息提取，以输出对应目标级的叶片信号；基于所述叶片信号进行叶片间距提取，以获取所述目标级的航空发动机叶片的叶片间距，以便基于所述叶片间距与预设间距阈值的大小关系判断对应的航空发动机叶片是否存在故障。
[0005]可选的，所述采集包含航空发动机叶片内容的复杂振动信号，包括：通过一个振动加速度传感器采集航空发动机不同叶轮的各个叶片的复杂振动信号。
[0006]可选的，所述采集包含航空发动机叶片内容的复杂振动信号、叶片的级数、每级的叶片数、叶片所在轴的转频的叶片信息之后，还包括：利用形态学平均滤波器对所述叶片信息进行预处理，以获取降噪且增强后的叶片
信息。
[0007]可选的，所述利用形态学平均滤波器对所述叶片信息进行预处理，以获取降噪且增强后的叶片信息，包括：基于所述叶片信息的信号形状确定目标结构元素，并对所述叶片信息进行关于所述目标结构元素的形态开运算和/或形态闭运算的形态滤波；构建降噪效果评价函数筛选最优目标结构元素参数，并对所述降噪效果评价函数进行计算，以获取降噪且增强后的叶片信息。
[0008]可选的，所述基于所述叶片信息的信号形状确定目标结构元素，包括：基于提取的信号特征，确定目标结构元素为：；其中，为目标结构元素参数，和分为目标结构元素中正弦一倍频幅值和正弦二倍频幅值，和分为目标结构元素中正弦一倍频相位和正弦二倍频相位。
[0009]可选的，所述将所述叶片信息输入至分级叶片信号提取模型，以便所述分级叶片信号提取模型对所述叶片信息进行目标级的叶片信息提取，以输出对应目标级的叶片信号，包括：将所述叶片信息输入至分级叶片信号提取模型；通过所述分级叶片信号提取模型对所述叶片信息进行傅里叶变换，以获取频域振动信号，然后对所述频域振动信号进行目标级的叶片信息提取，以输出包含通过频率和转频边频的目标级的叶片信号。
[0010]可选的，所述通过所述分级叶片信号提取模型对所述叶片信息进行傅里叶变换，以获取频域振动信号，然后对所述频域振动信号进行目标级的叶片信息提取，以输出包含通过频率和转频边频的目标级的叶片信号，包括：通过所述分级叶片信号提取模型将除设定的目标级对应的频域振动信号外的其他频域振动信号置为零，并对所述目标级对应的频域振动信号通过傅里叶反变换输出包含通过频率和转频边频的目标级的时域叶片信号。
[0011]可选的，所述通过所述分级叶片信号提取模型将除设定的目标级对应的频域振动信号外的其他频域振动信号置为零，对所述目标级对应的频域振动信号通过傅里叶反变换输出包含通过频率和转频边频的目标级的时域叶片信号，包括：选择待保留叶片的叶片级数、所述待保留叶片的边频以及预设边频误差；根据所述待保留叶片的第一预设转频边频保留确定原则，获取所述待保留叶片与前一叶片的前一距离，所述待保留叶片与当前叶片的第一当前距离；当所述前一距离小于或等于所述第一当前距离时，则保留所述待保留叶片的边频以及预设边频误差；根据所述待保留叶片的第二预设转频边频保留确定原则，获取所述待保留叶片与当前叶片的第二当前距离，所述待保留叶片与后一叶片的后一距离；当所述后一距离小于或等于所述第二当前距离时，则保留所述待保留叶片的边频以及预设边频误差。
[0012]可选的，所述通过所述分级叶片信号提取模型将除设定的目标级对应的频域振动信号外的其他频域振动信号置为零，对所述目标级对应的频域振动信号通过傅里叶反变换输出包含通过频率和转频边频的目标级的时域叶片信号过程中，还包括：设置航空发动机的轴转频为，轴具有级叶片，每级叶片片数为，，则每级叶片的通过频率为，与转频组成序列为，其中，；定义第倍转频频域幅值为：；其中，根据实际情况制定，，表示为正整数，表示为到之间的整数，表示为傅里叶变换后频域的最小分辨率值；选择要提取的第级叶片的信息，其中，保留该叶片频率及其
±
，其他频域幅值全部置为0；左边第阶转频边频的保留确定原则，此时，则通过获取与前一叶片的距离；通过得到与当前叶片的距离；其中，、分别为中的最大值和最小值；当满足时保留此边频及其
±
；右边第阶转频边频的保留确定原则为：当时，直接取右边阶，的具体数值为用户自行设置，保留的边频为：
，保留边频及其
±
；当时，此时，则通过得到与当前叶片的距离；通过得到与后一叶片的距离；其中：、分别为中的最大值和最小值；当满足时保留此边频及其
±
。
[0013]可选的，所述基于所述叶片信号进行叶片间距提取，以获取所述目标级的航空发动机叶片的叶片间距，包括：按照时域叶片信号的通过频率倒数的时间间隔对所述时域叶片信号进行区间划分，以获取相应的目标信号区间，并提取每一个所述目标信号区间中信号最大值对应的目标时间，构建目标时间序列；基于所述目标时间序列、航空发动机轴转频计算所述目标级的航空发动机叶片的叶片间距。
[0014]可选的，所述航空发动机叶片监测方法，还包括：按照多段平均方式以及所述航空发动机叶片轴的旋转周期对所述航空发动机叶片的叶片间距进行均值计算，以获取平均叶片间距。
[0015]第二方面，本申请公开了一种航空发动机叶片监测装置，包括：数据采集模块，用于采集包含航空发动机叶片内容的复杂振动信号、叶片的级数、每级的叶片数、叶片所在轴的转频的叶片信息；信号提取模块，用于将所述叶片本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种航空发动机叶片监测方法，其特征在于，包括：采集包含航空发动机叶片内容的复杂振动信号、叶片的级数、每级的叶片数、叶片所在轴的转频的叶片信息；将所述叶片信息输入至分级叶片信号提取模型，以便所述分级叶片信号提取模型对所述叶片信息进行目标级的叶片信息提取，以输出对应目标级的叶片信号；基于所述叶片信号进行叶片间距提取，以获取所述目标级的航空发动机叶片的叶片间距，以便基于所述叶片间距与预设间距阈值的大小关系判断对应的航空发动机叶片是否存在故障。2.根据权利要求1所述的航空发动机叶片监测方法，其特征在于，所述采集包含航空发动机叶片内容的复杂振动信号，包括：通过一个振动加速度传感器采集航空发动机不同叶轮的各个叶片的复杂振动信号。3.根据权利要求1所述的航空发动机叶片监测方法，其特征在于，所述采集包含航空发动机叶片内容的复杂振动信号、叶片的级数、每级的叶片数、叶片所在轴的转频的叶片信息之后，还包括：利用形态学平均滤波器对所述叶片信息进行预处理，以获取降噪且增强后的叶片信息。4.根据权利要求3所述的航空发动机叶片监测方法，其特征在于，所述利用形态学平均滤波器对所述叶片信息进行预处理，以获取降噪且增强后的叶片信息，包括：基于所述叶片信息的信号形状确定目标结构元素，并对所述叶片信息进行关于所述目标结构元素的形态开运算和/或形态闭运算的形态滤波；构建降噪效果评价函数筛选最优目标结构元素参数，并对所述降噪效果评价函数进行计算，以获取降噪且增强后的叶片信息。5.根据权利要求4所述的航空发动机叶片监测方法，其特征在于，所述基于所述叶片信息的信号形状确定目标结构元素，包括：基于提取的信号特征，确定目标结构元素为：；其中，为目标结构元素参数，和分为目标结构元素中正弦一倍频幅值和正弦二倍频幅值，和分为目标结构元素中正弦一倍频相位和正弦二倍频相位。6.根据权利要求1所述的航空发动机叶片监测方法，其特征在于，所述将所述叶片信息输入至分级叶片信号提取模型，以便所述分级叶片信号提取模型对所述叶片信息进行目标级的叶片信息提取，以输出对应目标级的叶片信号，包括：将所述叶片信息输入至分级叶片信号提取模型；通过所述分级叶片信号提取模型对所述叶片信息进行傅里叶变换，以获取频域振动信号，然后对所述频域振动信号进行目标级的叶片信息提取，以输出包含通过频率和转频边频的目标级的叶片信号。7.根据权利要求6所述的航空发动机叶片监测方法，其特征在于，所述通过所述分级叶
片信号提取模型对所述叶片信息进行傅里叶变换，以获取频域振动信号，然后对所述频域振动信号进行目标级的叶片信息提取，以输出包含通过频率和转频边频的目标级的叶片信号，包括：通过所述分级叶片信号提取模型将除设定的目标级对应的频域振动信号外的其他频域振动信号置为零，并对所述目标级对应的频域振动信号通过傅里叶反变换输出包含通过频率和转频边频的目标级的时域叶片信号。8.根据权利要求7所述的航空发动机叶片监测方法，其特征在于，所述通过所述分级叶片信号提取模型将除设定的目标级对应的频域振动信号外的其他频域振动信号置为零，对所述目标级对应的频域振动信号通过傅里叶反变换输出包含通过频率和转频边频的目标级的时域叶片信号，包括：选择待保留叶片的叶片级数、所述待保留叶片的边频以及预设边频误差；根据所述待保留叶片的第一预设转频边频保留确定原则，获取所述待保留叶片与前一叶片的前一距离，所述待保留叶片与当前叶片的第一当前...

【专利技术属性】
技术研发人员：李修文，唐德尧，金贻涛，曾承志，黄贵发，龚妙，杨荣华，
申请(专利权)人：北京唐智科技发展有限公司，
类型：发明
国别省市：