叶尖定时测量中的感知极限及其基础理论

《MECHANICAL SYSTEMS AND SIGNAL PROCESSING》:Sensing limit in blade tip timing measurement and underlying theory

【字体: 大 中 小 】 时间:2026年09月21日 来源:MECHANICAL SYSTEMS AND SIGNAL PROCESSING 10.2

编辑推荐:

   •我们基于DST推导了无抖动条件下的理想BTT感知极限。•我们系统地解释了BTT测量中一个必要的弱先验条件。•我们首次在BTT中考虑了由叶尖振动和转速波动引起的采样抖动。•提供了对理想感知极限的实际修正。•所提出的感知极限为BTT测量提供了基本见解。引言叶尖定时(BTT)是一

  

•我们基于DST推导了无抖动条件下的理想BTT感知极限。•我们系统地解释了BTT测量中一个必要的弱先验条件。•我们首次在BTT中考虑了由叶尖振动和转速波动引起的采样抖动。•提供了对理想感知极限的实际修正。•所提出的感知极限为BTT测量提供了基本见解。引言叶尖定时(BTT)是一种用于旋转叶片的非接触式振动测量技术[1]。BTT首先通过安装在静止机匣上的探头记录叶片的到达时间(TOA),然后通过到达时间推导出叶尖位移。值得注意的是,每个探头仅在叶片经过时才获取该叶片的叶尖振动样本,因此BTT测量是一种被动采样[2],其采样率由旋转速度/频率和探头数量决定。由于其非接触特性和长使用寿命,BTT被认为是运营叶片健康监测的一种有前景的方法[3]。要实现健康监测或故障诊断,关键步骤是对信号进行后处理,从测量的振动中提取振动参数(频率和幅值)以评估叶片的健康状况[4]。然而,由于探头数量和额定转速的限制,BTT测量的振动(以下简称BTT信号)本质上是欠采样的,因此无法使用传统的参数识别或频谱分析方法进行分析。因此,在过去二十年中,针对BTT信号处理提出了许多先进的参数识别和频谱分析方法。Zablotsky和Korostolev技术[5]、双参数图[6]、自回归[7]以及周向傅里叶拟合[8]是BTT发展早期提出的经典参数识别方法。最近,这些方法的一些变体也得到了开发[9]、[10]、[11]、[12]、[13]、[14]。然而,这类方法仅适用于共振区域内的数据,因此不能用于长期健康监测。子空间方法[15]、[16]、[17]、[18]、[19]、[20]和压缩感知方法[21]、[22]、[23]、[24]、[25]是两种代表性的频谱分析方法。前者利用信号子空间和噪声子空间的正交性生成伪谱来识别频率。后者是压缩感知理论在BTT信号处理中的应用,通过求解稀疏表示模型来重构频谱。然而,频谱分析方法通常耗时较长,无法支持在线监测;因此,近年来提出了一些快速方法,例如基于中国剩余定理的方法[26]、[27]、互质和嵌套采样方法[28],以及主动混叠和去混叠方法[29]、[30]、[31]。尽管在BTT领域已经广泛开发了众多参数识别和频谱分析方法,但关于BTT测量基本理论的开创性工作几乎为零。例如,布局评估或优化是BTT中的一个重要问题[32];然而,除了存在于特定布局方法中的一些理论[7]、[28]、[33]、[34]、[35]之外,几乎没有什么实用理论来指导布局评估或优化。对于大多数参数识别和频谱分析方法,布局是通过经验或实验给定的。诚然,基于条件数的排列[36]、[37]和基于压缩感知的排列[38]、[39]、[40]是两种可用于布局优化的方法;然而,它们只能通过枚举找到次优布局。更重要的是,它们无法直观地解释为什么某种布局有效或无效。因此,我们着手寻找一种能够直观指导BTT测量中布局评估和优化的新理论。尽管这个问题看起来具有挑战性,但我们先前的工作[41]提出了延迟采样理论(DST),用于从周期性非均匀样本中重构多正弦信号。由于叶尖振动可以建模为多正弦信号,且BTT测量本质上涉及周期性非均匀采样(PNS),因此DST在该背景下具有高度的适用性。然而,DST在BTT中的应用并非一帆风顺。DST是在没有采样抖动和噪声的情况下推导出来的;然而,采样抖动和噪声在BTT测量中是不可避免的[28]。因此,我们发现DST的理论预测与BTT测量的实际分析结果存在显著偏差。也就是说,DST无法指导具有不可忽视的采样抖动和噪声的实际应用,例如BTT测量。为了弥合理论与实践之间的差距,我们研究了采样抖动如何影响BTT测量中的DST,并提出了一种鲁棒的理论来指导实际的BTT应用。具体而言,本文试图回答以下两个基本问题:•我们能否找到一个判据来直接判断布局是否有效?如果这样的判据存在,它与什么有关?•采样抖动以及布局安装/测量误差对上述判据有什么影响?鉴于抖动和误差在BTT测量中都是不可避免的,期望该判据对它们是鲁棒的。否则就不具有实用性。在本文中,我们对这两个问题都给出了肯定的回答。在继续之前,我们先正式定义两个基本概念,本文将在很大程度上依赖它们。感知极限:简单来说,任何采样模式都有一个可以唯一识别的最大频率,本文称之为感知极限。例如,根据奈奎斯特-香农采样定理,均匀采样的感知极限是采样率的一半。BTT测量中的布局对应于某种采样模式;因此,每个布局自然都有一个对应的感知极限[42]。显然,如果目标频率——通常是旋转叶片的固有频率——超过感知极限,则该布局对频率识别是无效的,除非有额外的先验信息可用。因此,感知极限可以用于评估布局的有效性。一些先前的工作基于特定方法提供了感知极限。例如,在时延估计[30]和ESPRIT[16]中,感知极限由180°fr/θ给出,其中fr和θ分别表示旋转频率和相邻两个探头之间的角间距。然而,我们发现布局的实际感知极限可能超出此范围[43]。此外,在基于压缩感知的方法中,感知极限被认为是Nvfr/2,其中Nv表示虚拟探头数量。然而,我们发现当Nv极大时,布局的实际感知极限远低于Nvfr/2。因此,关于BTT测量中感知极限的现有研究远不充分。这种不充分主要源于将BTT测量简化假设为严格的PNS而未考虑采样抖动的简化假设,这促使我们引入下一个概念。采样抖动:受硬件性能限制,任何采样模式在时间上都不是严格精确的,期望采样时间和实际采样时间之间必然存在偏差。该偏差称为采样抖动。与传统采样系统中由于硬件限制导致的微秒或纳秒级别的微小抖动不同,BTT测量中的采样抖动是由叶尖振动和转速波动引起的,且其幅度显著到不可忽略。然而,据我们所知,仅有少数工作指出了BTT测量中的抖动问题[28]、[44]、[45]。代表性的是,He等人[46]分析了传感器/机匣振动对BTT测量的影响以及非稳态工况下产生的测量误差,并开发了一种基于虚拟多OPR的补偿技术。Capponi等人[47]考虑了BTT中的不确定因素来源,包括叶尖半径、安装角度和时间采样,并设计了BTT测量的校准装置。Niu等人[48]分析了叶片振动对采样时间(TOA)的影响,并提出了一种基于周向角差的TOA直接校准方法。此外,测量误差或采样抖动也可能来自压缩机在一转过程中转速可能并非完全恒定的事实,但本文不会对这一方面进行分析。尽管上述工作分析了采样抖动对幅值测量的影响,但没有任何工作试图定量分析抖动对BTT信号后处理(包括频谱估计和参数识别)的影响。由于缺乏相关理论,大多数BTT后处理方法忽略抖动,直接将BTT测量视为精确的PNS模型[49]、[50]、[51]。然而,这种忽略可能是不合理的,并会导致不可接受的估计/识别误差。这是首次研究采样抖动对BTT测量和频谱分析的影响。贡献:为应对上述问题,我们着手基于DST探索理想BTT测量的感知极限并分析采样抖动,从而为指导实际的BTT测量提供一个鲁棒的感知极限。我们的主要贡献总结如下:(1)我们揭示了任何布局都具有频率/频谱感知的感知极限,并在无抖动条件下从DST推导了理论感知极限。(2)我们系统地解释了BTT测量中一个必要的弱先验条件,即目标频率小于感知极限。(3)我们指出采样抖动在BTT测量中是不可避免的,并在存在抖动的情况下重新推导了感知极限,即称为鲁棒感知极限。(4)所提出的鲁棒感知极限为BTT测量提供了基本见解,对于布局评估和优化非常有用。组织:本文其余部分组织如下。第2节提供了BTT信号和采样模型的基础知识。第3节介绍了无抖动条件下BTT测量中的理论感知极限。然后,我们在第4节中考虑了采样抖动的影响并推导了鲁棒感知极限。仿真和实验结果分别在第5节仿真验证和第6节实验验证中给出,而结论在第7节中得出。各节摘要BTT测量原理BTT技术使用安装在机匣上的电容/光学/涡流探头记录旋转叶片的到达时间,如图1所示。在没有振动的情况下,期望的到达时间可以直接计算为ti,lexp[n]=αl?βi2πfr[n]+tOPR[n],αl≥βi2π,或fr[n]+tOPR[n],αl<βi,其中ti,lexp[n]表示第n转中第i片叶片到达第l个探头的期望到达时间。topr[n]是每转传感器(opr)在第n转中的到达时间;αl和βi分别表示……延迟采样定理及其应用延迟采样定理(dst)[41]是一个简洁的数学表述,给出了多音调信号(即多正弦波)的恢复准则。旋转叶片的叶尖振动可以建模为多正弦波。因此,dst是指导btt测量的一种有前景的理论。dst的简要概述如下。延迟采样定理:一个带限于[0,fmax]的多音调信号可以从其周期性非均匀样本中成功重构,当其最小组合延迟……btt测量中的采样抖动采样抖动是指期望采样时间和实际采样时间之间的差异:δt[n]=tact[n]?texp[n],n=1,2,…,n,这在采样过程中是不可避免的。在此,为简洁起见省略了下标(i,l)表示传感器和叶片编号。对于传统的测量技术,如基于加速器的振动测量和基于阵列传感器的电磁测量,采样抖动主要由时钟定时误差引起,通常处于……量级。实验装置由于叶尖振动通常假设为多正弦信号,因此基于公式(4)进行了仿真验证。该仿真同时考虑了由叶尖振动和转速波动引起的采样抖动。此外,我们在仿真中测试了确定性和随机信号。确定性信号用于单次重构演示,而随机信号用于基于200次随机测试的性能公平评估。具体的……实验装置在本节中,我们进一步验证了所提出理论在btt测量布局评估和优化中的有效性。图10(a)同样显示了钛合金整体叶盘(r=98 mm)和实验使用的探头布局{0, 60.1°, 81°, 108°, 216°}。btt实验使用的测量系统如图10(b)所示。整体叶盘由三相异步电动机驱动,其额定旋转频率设置为185 hz。由于电机为开环控制且受……约束。结论在本文中,我们揭示了叶尖定时(btt)测量的感知极限并建立了其基本理论基础。具体而言,我们将dst引入btt信号处理并在无抖动和噪声的情况下推导了频率识别的理论感知极限。然后,我们系统地回顾了现有的btt参数识别方法,证明了它们的可辨识性本质上受限于该理论极限。 mm)和实验使用的探头布局{0, 60.1°, 81°, 108°, 216°}。btt实验使用的测量系统如图10(b)所示。整体叶盘由三相异步电动机驱动,其额定旋转频率设置为185>

鉴于采样抖动 CRediT 作者贡献声明
曹佳慧:写作 – 审阅与编辑,写作 – 初稿,可视化,验证,方法,形式分析,概念化。
吴树明:监督,资源,调查,数据整理。
杨志博:监督,项目管理,调查,资金获取,概念化。
卢敏月:软件,数据整理。
卢丽琴:数据整理,概念化。
严汝强:监督,资源。
陈学峰:项目管理,资金获取。
利益冲突声明
作者声明不存在已知的财务利益冲突或个人关系,这些情况可能会影响本文报告的工作。
致谢
本工作得到了国家自然科学基金(项目编号:92360306, 52605184, 523B2044)、国家博士后创新人才计划(编号:BX2026152)以及中央高校基本科研业务费(编号:xtr022026007)的支持。
曹佳慧|吴树明|杨志博|卢敏月|卢丽琴|严汝强|陈学峰
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