基于转子同步分解与共享稀疏先验的离心压缩机机匣压力时间重构

《Energy and AI》:Temporal reconstruction of centrifugal-compressor casing pressure using rotor-synchronous decomposition and shared sparse priors

【字体: 大 中 小 】 时间:2026年10月30日 来源:Energy and AI 9.7

编辑推荐:

  机匣压力记录中的长间隙阻碍了与离心压缩机监测相关的非定常特征恢复。本研究发展了一种物理引导的稀疏重构方法,将转子同步分解(rotor-synchronous decomposition)与针对非同步(non-synchronous,NS)残差的共享先验相结合。

  
机匣压力记录中的长间隙阻碍了与离心压缩机监测相关的非定常特征恢复。本研究发展了一种物理引导的稀疏重构方法,将转子同步分解(rotor-synchronous decomposition)与针对非同步(non-synchronous,NS)残差的共享先验相结合。训练选定的谐波分量代表同步压力,而投影分块离散余弦基(blockwise discrete cosine basis)与稀疏组正则化(sparse-group regularization)则代表各测量站点的残差波动。该方法利用一条转速线上四种运行工况下13个主测量站点的实验记录进行评估。嵌套留一工况交叉验证(nested leave-one-condition-out evaluation)覆盖四种时间掩码(temporal masks)及6.25%–50%的时间观测比(temporal observation ratios),并在相同观测条件下比较八种方法。对于两类长间隙掩码族,所提出的模型在全部四个时间观测比下均取得八种主要方法中最低的条件平均、训练尺度归一化隐藏样本误差(condition-averaged, training-scale-normalized hidden-sample error)。独立调参的消融实验表明,该方法相对于未分解及无时间正则化变体均有改进,尽管仅转子同步(rotor-synchronous-only)及空间本征正交分解(spatial proper orthogonal decomposition,POD)变体在所测试的消融配置中取得了更低的总误差。在12.5%时间观测比及常见长间隙掩码下,连续删除后的冻结参数重评估使新缺失样本的误差相对于三次样条插值(cubic-spline interpolation)降低了85.71%。在共同计算预算内获得的所有有限输出均纳入精度比较。结果支持所测试长间隙记录的离线恢复及主导同步幅值的保持;对于所测试的均匀及随机掩码,插值仍更为精确。
离心压缩机在燃气轮机、航空发动机、汽车涡轮增压器及工业压缩系统中应用广泛,其效率、压比与稳定裕度直接影响系统比功、油耗与运行安全。随着级负荷增加与结构紧凑化,叶顶泄漏流、叶轮–扩压器相互作用及蜗壳引起的周向非均匀性对内部非定常流动的影响日益显著。在接近稳定极限时,局部扰动可能周向旋转并向下游传播,从而参与失稳过程。机匣压力测量具有良好动态响应并直接反映近壁非定常流动,高时间分辨率记录保留了丰富的动态信息。在角域或阶次域中,叶片通过频率及其相关阶次通常对应周期性转子激励与转子–定子相互作用;而非同步于转频的低频分量则常包含旋转失稳及近失速扰动演化信息。然而,多通道、高带宽与长记录显著增加了动态压力实验的数据负担。在给定量化精度下,原始数据量随通道数、采样率与记录时长近似线性增长,长时间采集消耗存储、传输与离线处理资源。时间样本的分布同样影响反问题可辨识性:均匀或随机观测通常保留邻近信息,而长连续间隙及记录边界间隙则大幅削弱局部插值与外推可用的约束。因此,核心问题在于在传感器布局与信号带宽不变的前提下,如何从不完整时间观测中重构各站点的高频压力序列,同时保持其同步与非同步动态特征。
既有稀疏重构研究主要聚焦于减少空间测量自由度,本征正交分解(POD)、gappy POD、稀疏传感器布置及压缩感知方法已被用于从有限测点重构空间压力场,但其反演目标通常是未测位置流变量或周向模态系数,并未直接解决传感器布局固定时各测量站点不完整高频时间序列的重构问题。时间缺失样本恢复方法已从局部插值与带限重构扩展到稀疏恢复、深度时序模型及物理约束学习,但这些方法未利用旋转机械的公共相位参考,也未对同步与非同步分量赋予不同表示与约束。转子同步(RS)分量与非同步残差具有不同的锁相特性与可恢复结构:同步压力可由有限谐波阶次表示,其幅值与相位可在测试窗口内估计;非同步残差不锁定于转子相位,无法用同步模板替代,但可在分块离散余弦变换(DCT)基下具有可压缩表示。多测量站点同步采集还提供跨通道信息,部分共享的时间结构可通过共享支撑或行稀疏约束加以利用。基于上述动机,本研究旨在发展并严格评估一种基于转子同步/非同步分解与跨测量站点共享稀疏约束的离心压缩机机匣压力时间重构方法。
研究人员开展了以下研究:利用单级高速离心压缩机试验台,在一条转速线上选取45A–45D四种运行工况,沿机匣子午流动路径安装15个Kulite XT-140(M)压阻式动态压力传感器,对应13个唯一流向站点,以1 MHz每通道采样率同步记录15路压力信号与光学触发信号。数据经角度域重采样至每转1,024点,每窗口包含16个连续转,共16,384个轴角样本。采用嵌套留一工况外部分割,每种分割中以三个工况主窗口构建训练表示,第四个工况用于测试;训练均值、尺度、同步阶次支撑及超参数均在训练分割内确定。主比较覆盖6.25%、12.5%、25%与50%四个时间观测比及均匀、随机、MC与互补MC四种缺失模式,八种方法在相同观测与隐藏样本下比较。消融实验在固定子集上独立调参比较六种变体。附加窗口用于参考信号重复性分析与冻结参数跨窗口重评估。
在表示特征分析中,研究人员通过完整窗口分解发现,同步分量具有随工况变化的重复性,四种工况的RS半窗口相关系数中位数分别为0.985、0.919、0.807与0.787,跨窗口相关系数分别为0.990、0.939、0.916与0.826。阶次8的能量分数从45D的85.88%降至45A的23.00%,阶次16从5.87%升至20.78%,两者合并能量分数中位数范围为68.33%–93.58%,表明阶次支撑应从训练数据确定而非固定为两个主叶片相关阶次。NS残差在时间表示上呈现强能量集中,四种工况下全窗口DCT保留能量中位数为97.45%–99.16%,分块DCT为97.01%–99.03%。
在重构精度比较中,RS+共享NS的主要相对优势集中于长间隙缺失。在MC与互补MC两种掩码下、全部四个时间观测比中,其条件平均误差均为八种主比较方法中最低,相对带限基线降低8.47%–27.25%。在12.5%时间观测比下,两种掩码误差分别为0.724与0.713,相对带限基线降低21.55%与22.70%,相对局部NS降低1.97%与2.21%。共享约束的增量收益小于模型与强基线之间的整体差异。缺失模式在相同时间观测比下改变重构难度,均匀与随机观测保留邻近样本约束局部插值,而长连续与边界间隙使重构更依赖窗口内其他信息、跨转转子同步重复性及训练数据确定的时间先验。在12.5%观测比下,四种掩码的最大间隙分别为8、83、7,682与13,422个轴角样本,MC与互补MC还具显著边界间隙,三次样条在两种掩码下误差分别达18.943与64.109。在均匀与随机缺失下,强插值基线仍取得低误差。
在消融研究中,显式分离转子同步结构在有限观测下改善了重构,相对未分解模型,RS+局部NS将总误差降低14.80%–40.07%;跨通道共享约束进一步降低0.86%–4.07%,并在16个实例中改善15个。相对无NS时间惩罚变体,共享模型将总误差降低20.96%–47.23%。消融同时显示共享模型NS RMS比在全部四种配置中低于1,表明NS波动幅度欠恢复,总误差降低并不建立均匀改善的NS特征保真度。
在波形与同步阶次保真度分析中,研究人员在6.25%时间观测比及MC掩码下检查代表性站点ST07在45D与45A工况的波形,并跨工况聚合阶次8与16的幅值比、相位误差及复系数误差,评估同步阶次保真度。在时间鲁棒性分析中,12.5%观测比下采用冻结参数的RS+共享NS与三次样条配对比较,覆盖噪声、偏置、漂移与连续删除四种输入退化及两个附加窗口的清洁观测。在常见长间隙掩码下,连续删除后冻结参数重评估使新缺失样本误差相对三次样条降低85.71%。
讨论部分指出,所提出方法的核心价值在于将转子同步/非同步分解与跨通道共享稀疏约束结构化整合为统一框架:相对全窗口DCT加元素稀疏惩罚的常规重构,该方法将训练数据选定的同步谐波分支与投影分块DCT表示的NS残差分离;相对独立重构局部NS残差的组合方法,它在对应分块DCT系数索引上施加共享支撑同时保留站点特定系数值;相对一般多测量向量稀疏恢复,其应用特定特征在于规定锁相与非同步子空间的分离,并与站点相关时间观测掩码联合使用。研究结论为:所提出方法支持所测试长间隙记录的离线恢复并保持主导同步幅值;在12.5%时间观测比及常见长间隙掩码下,连续删除后的冻结参数重评估使新缺失样本误差相对三次样条插值降低85.71%;在共同计算预算内获得的所有有限输出均纳入精度比较;对于所测试的均匀与随机掩码,插值仍更为精确。研究同时明确其验证范围限于全部13个主站点保留的时间重构,未评估整站缺失与联合缺失,且附加窗口分析仅评估可用记录内的跨窗口时间鲁棒性,不构成独立外部验证或对其他转速线、压缩机、传感器布局或独立实验活动的泛化证明。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号