CN115306754A - 基于声阵列的轴流风扇气动失稳辨识方法 - Google Patents

基于声阵列的轴流风扇气动失稳辨识方法 Download PDF

Info

Publication number
CN115306754A
CN115306754A CN202211244067.0A CN202211244067A CN115306754A CN 115306754 A CN115306754 A CN 115306754A CN 202211244067 A CN202211244067 A CN 202211244067A CN 115306754 A CN115306754 A CN 115306754A
Authority
CN
China
Prior art keywords
axial flow
fan
acoustic
flow fan
sound pressure
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202211244067.0A
Other languages
English (en)
Other versions
CN115306754B (zh
Inventor
文璧
刘元是
杜军
石飞云
黄维娜
李晓明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
AECC Sichuan Gas Turbine Research Institute
Original Assignee
AECC Sichuan Gas Turbine Research Institute
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by AECC Sichuan Gas Turbine Research Institute filed Critical AECC Sichuan Gas Turbine Research Institute
Priority to CN202211244067.0A priority Critical patent/CN115306754B/zh
Publication of CN115306754A publication Critical patent/CN115306754A/zh
Application granted granted Critical
Publication of CN115306754B publication Critical patent/CN115306754B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04D—NON-POSITIVE-DISPLACEMENT PUMPS
    • F04D27/00—Control, e.g. regulation, of pumps, pumping installations or pumping systems specially adapted for elastic fluids
    • F04D27/001—Testing thereof; Determination or simulation of flow characteristics; Stall or surge detection, e.g. condition monitoring
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the other groups of this subclass
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M15/00—Testing of engines
    • G01M15/14—Testing gas-turbine engines or jet-propulsion engines

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Structures Of Non-Positive Displacement Pumps (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明提供了一种基于声阵列的轴流风扇气动失稳辨识方法，包括以下步骤：步骤一、在进气道靠近进气支板处选择一截面布置六点麦克风阵列位置，并在六点麦克风阵列位置齐平安装声压传感器，同步采样各测点声压信号和轴流风扇转速；步骤二、对近失稳状态的不同测点声压信号进行截取，根据截取的信号换算转速所在范围确定需要关注的频带；步骤三、对所截取的声压信号进行声模态重构，按照重构的声模态信号进行快速傅里叶变换；步骤四、对步骤三的结果进行波谱分析，根据主要模态数判断轴流风扇此时是否出现气动失稳现象。本发明对于小扰动信号更容易辨识，同时利用声阵列获取信号具有高增益、强抗干扰、高空间分辨率的优势。

Description

基于声阵列的轴流风扇气动失稳辨识方法
技术领域
本说明书涉及航空发动机技术领域，具体涉及一种基于声阵列的轴流风扇气动失稳辨识方法。
背景技术
轴流风扇是航空发动机的核心部件之一，失速和喘振是轴流风扇经常遇到的两类流动失稳现象，发动机一旦发生流动失稳不能及时退出，轻则引起发动机的突然熄火导致发动机性能急剧恶化，重则引起叶片剧烈振动以致叶片断裂，导致整台发动机的损坏，引起严重事故。
目前，航空发动机整机状态下的气动失稳监测主要选用压气机后压力P3作为特征参数。对于小中涵道的涡扇发动机，发动机失稳的诱发因素往往是外涵的气动扰动或结构变化，如A8截面的突变，在这个过程中，P3作为监测参数存在着滞后和不灵敏的问题，所以急需改进监测方法提高准确性。要提高监测的准确性和快速性，检测失稳前的扰动信号是主要途径，根据扰动信号的幅值、传播速度和尺度等差别可以分为两种形式，分别为模态波（Model wave）和尖脉冲(Spike) 。针对失稳的扰动研究，精细化的研究方式有热线风速仪等，由于实际风扇和压气机工作环境恶劣，热线风速仪的实际应用是受限的，目前工程中主要是两个方法：一种是利用动态压力信号进行监测，如Marz等利用壁面动态压力信号对某低速不可压轴流压气机的失稳特征进行测试和分析，李传鹏，胡骏等在静子叶片表面埋入微型压力传感器的方法，对叶尖、叶中和叶根3个截面上的动态压力进行测量，实验研究了压气机近失速的流场特性研究，马彩东、吴云等等利用进气的动态压力传感器研究压气机的失速团动态演变特性；另一种是利用声信号，王同庆等用声测量技术研究高速压气机的旋转不稳定特性、失速先兆及失速过程。Zerobin等在2级双转子试验涡轮上安装24个麦克风阵列对有分流叶片和无分流叶片的流场状况进行分析。李泽芃等利用声阵列信号对失速先兆进行研究，通过声模态分解发现风扇在进入喘振前有非同步共振频率的强烈单音噪声。强冠杰，乔渭阳等利用麦克风阵列对轴流风扇“尖峰型”失速起始特征及其物理机制的实验研究。分析发现，较于普通的动态压力测量，声的灵敏度要大1000倍，对于小扰动信号更容易辨识，同时利用声阵列获取信号具有高增益、强抗干扰、高空间分辨率的优势，国外普渡大学已经研制了基于声学的风扇气动失稳辨识系统。
发明内容
有鉴于此，本说明书实施例提供一种基于声阵列的轴流风扇气动失稳辨识方法，以达到为航空发动机及轴流风扇的故障诊断提供依据的目的。
本发明的技术方案为：一种基于声阵列的轴流风扇气动失稳辨识方法，包括以下步骤：
步骤一、在进气道靠近进气支板处选择一截面布置六点麦克风阵列位置，并在六点麦克风阵列位置齐平安装声压传感器，同步采样各测点声压信号和轴流风扇转速；
步骤二、对近失稳状态的不同测点声压信号进行截取，根据截取的信号换算转速所在范围确定需要关注的频带；
步骤三、对所截取的声压信号进行声模态重构，按照重构的声模态信号进行快速傅里叶变换；
步骤四、对步骤三的结果进行波谱分析，根据主要模态数判断轴流风扇此时是否出现气动失稳现象。
进一步地，步骤一包括：六点麦克风阵列布置以进气道周向任一角度为0度，六点麦克风阵列测点位置分别在22.5°、56.25°、112.5°、270°、292.5°和303.75°位置处。
进一步地，步骤一还包括：同步采样的采样率设置为风扇设计转速下转子数最多级转子叶片通过频率的3倍以上。
进一步地，步骤二包括：
当风扇转速相对换算转速小于等于85%时，分析一级转子的二倍的转频及以上的频率信号；
当风扇转速相对换算转速大于85%时，分析一级转子的二倍的转频以下的频率信号。
进一步地，当风扇转速相对换算转速小于等于85%时，则风扇处于低转速段，当风扇转速相对换算转速大于85%时，则风扇处于高转速段；步骤四还包括：判断关注频率的主要模态数的声压级在低转速段是否达到125dB以上，在高转速段是否达到135 dB以上。
进一步地，当关注频率的主要模态数的声压级在低转速段达到125dB以上，步骤四还包括：当主要模态数与叶片共振节径数或者叶栅之间的声腔模态一致时，则轴流风扇此时出现气动失稳现象。
进一步地，当关注频率的主要模态数的声压级在高转速段达到135 dB以上时，步骤四包括：当主要模态数与轮毂之间的声腔模态一致时，则轴流风扇此时出现气动失稳现象。
与现有技术相比，本说明书实施例采用的上述至少一个技术方案能够达到的有益效果至少包括：通过风扇进口六点声阵列，利用风扇的声场重构，实现对轴流风扇的气动失稳辨识方法。本发明是一种被动测量方法，节约了发动机术成本，较于普通的动态压力测量，本发明的灵敏度要大1000倍，对于小扰动信号更容易辨识，同时利用声阵列获取信号具有高增益、强抗干扰、高空间分辨率的优势。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1是本发明实施例的流程示意图。
具体实施方式
下面结合附图对本申请实施例进行详细描述。
以下通过特定的具体实例说明本申请的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本申请的其他优点与功效。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。本申请还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本申请的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
如图1所示，本发明实施例提供了一种基于声阵列的轴流风扇气动失稳辨识方法，包括以下步骤：
步骤一、在进气道靠近进气支板处选择一截面布置六点麦克风阵列位置，并在六点麦克风阵列位置齐平安装声压传感器，同步采样各测点声压信号和轴流风扇转速；
步骤二、对近失稳状态的不同测点声压信号进行截取，根据截取的信号换算转速所在范围确定需要关注的频带；
步骤三、对所截取的声压信号进行声模态重构，按照重构的声模态信号进行快速傅里叶变换；
步骤四、对步骤三的结果进行波谱分析，根据主要模态数判断轴流风扇此时是否出现气动失稳现象。
通过风扇进口六点声阵列，利用风扇的声场重构，实现对轴流风扇的气动失稳辨识方法。本发明是一种被动测量方法，节约了发动机术成本，较于普通的动态压力测量，本发明的灵敏度要大1000倍，对于小扰动信号更容易辨识，同时利用声阵列获取信号具有高增益、强抗干扰、高空间分辨率的优势。
具体地，步骤一包括：六点麦克风阵列布置以进气道周向任一角度为0度，六点麦克风阵列测点位置分别在22.5°、56.25°、112.5°、270°、292.5°和303.75°位置处。
步骤一还包括：同步采样的采样率设置为风扇设计转速下转子数最多级转子叶片通过频率的3倍以上。风扇运转时，同步采样各测点声压信号和轴流风扇转速。
本发明实施例中，步骤二包括：
当风扇转速相对换算转速小于等于85%（低速段）时，分析一级转子的二倍的转频及以上的频率信号；
当风扇转速相对换算转速大于85%（高速段）时，分析一级转子的二倍的转频以下的频率信号。
同时，对截取段近的不同测点声压信号的互相关函数进行时频分析，具体分析公式参见下方公式（1）。提取其关注频带范围里的单音噪声，低转速的关注频率是出现的频率漂移、频率幅值增强和伴频的单音噪声信号，低速段的关注频率是出现的转频的非整数倍的单音噪声信号，高速段的关注频率为转频和2倍转频之间的单音噪声信号。
Figure 772653DEST_PATH_IMAGE001
（1）
其中，需要说明的是，
Figure 321183DEST_PATH_IMAGE002
为其中一个测点获得的声信号，
Figure 921929DEST_PATH_IMAGE003
为另一个测点获得的声信号，
Figure 182009DEST_PATH_IMAGE004
为互相关函数。
当风扇转速相对换算转速小于等于85%时，则风扇处于低转速段，当风扇转速相对换算转速大于85%时，则风扇处于高转速段；本实施例中步骤四具体为：对出现关注频率信号的声压信号分别进行转基于GMC罚函数的非凸正则化的声模态重构，按照重构进行快速傅里叶变换。
本实施例中，根据已知的压缩感知模型来求解重构声场，压缩感知模型通过GMC可以由内点法、软阈值迭代算法高效求解。其中，GMC正则化的目标函数
Figure 401769DEST_PATH_IMAGE005
可以表示为：
Figure 165326DEST_PATH_IMAGE006
（2）
在公式（2）中，
Figure 202552DEST_PATH_IMAGE007
为一系列凸函数的组合，对于确定的感知矩阵
Figure 418769DEST_PATH_IMAGE008
，目标函数
Figure 442220DEST_PATH_IMAGE009
是凸的，当缩放矩阵满足：
Figure 60283DEST_PATH_IMAGE010
（3）
其中，
Figure 268411DEST_PATH_IMAGE011
为非凸系数。
对6个非均布麦克风重构的32个均布麦克风的声压信号进行快速傅里叶变换:
Figure 971925DEST_PATH_IMAGE012
，其中，
Figure 799066DEST_PATH_IMAGE013
表示所述均布麦克风阵列测量得到的风扇噪声声压时域信号，
Figure 537215DEST_PATH_IMAGE014
表示离散傅里叶变换，
Figure 916244DEST_PATH_IMAGE015
表示模态m下的不同通道的频域信号。
具体地，步骤四还包括：判断关注频率的主要模态数的声压级在低转速段是否达到125dB以上，在高转速段是否达到135 dB以上。
其中，当关注频率的主要模态数的声压级在低转速段达到125dB以上，步骤四还包括：当主要模态数与叶片共振节径数或者叶栅之间的声腔模态一致时，则轴流风扇此时出现气动失稳现象。
当关注频率的主要模态数的声压级在高转速段达到135 dB以上时，步骤四包括：当主要模态数与轮毂之间的声腔模态一致时，则轴流风扇此时出现气动失稳现象。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (7)

1.一种基于声阵列的轴流风扇气动失稳辨识方法，其特征在于，包括以下步骤：
步骤一、在进气道靠近进气支板处选择一截面布置六点麦克风阵列位置，并在六点麦克风阵列位置齐平安装声压传感器，同步采样各测点声压信号和轴流风扇转速；
步骤二、对近失稳状态的不同测点声压信号进行截取，根据截取的信号换算转速所在范围确定需要关注的频带；
步骤三、对所截取的声压信号进行声模态重构，按照重构的声模态信号进行快速傅里叶变换；
步骤四、对所述步骤三的结果进行波谱分析，根据主要模态数判断轴流风扇此时是否出现气动失稳现象。
2.根据权利要求1所述的基于声阵列的轴流风扇气动失稳辨识方法，其特征在于，所述步骤一包括：六点麦克风阵列布置以进气道周向任一角度为0度，六点麦克风阵列测点位置分别在22.5°、56.25°、112.5°、270°、292.5°和303.75°位置处。
3.根据权利要求1所述的基于声阵列的轴流风扇气动失稳辨识方法，其特征在于，所述步骤一还包括：同步采样的采样率设置为风扇设计转速下转子数最多级转子叶片通过频率的3倍以上。
4.根据权利要求1所述的基于声阵列的轴流风扇气动失稳辨识方法，其特征在于，所述步骤二包括：
当风扇转速相对换算转速小于等于85%时，分析一级转子的二倍的转频及以上的频率信号；
当风扇转速相对换算转速大于85%时，分析一级转子的二倍的转频以下的频率信号。
5.根据权利要求4所述的基于声阵列的轴流风扇气动失稳辨识方法，其特征在于，当风扇转速相对换算转速小于等于85%时，则风扇处于低转速段，当风扇转速相对换算转速大于85%时，则风扇处于高转速段；
所述步骤四还包括：判断关注频率的主要模态数的声压级在低转速段是否达到125dB以上，在高转速段是否达到135 dB以上。
6.根据权利要求5所述的基于声阵列的轴流风扇气动失稳辨识方法，其特征在于，当关注频率的主要模态数的声压级在低转速段达到125dB以上，所述步骤四还包括：当主要模态数与叶片共振节径数或者叶栅之间的声腔模态一致时，则轴流风扇此时出现气动失稳现象。
7.根据权利要求5所述的基于声阵列的轴流风扇气动失稳辨识方法，其特征在于，当关注频率的主要模态数的声压级在高转速段达到135 dB以上时，所述步骤四包括：当主要模态数与轮毂之间的声腔模态一致时，则轴流风扇此时出现气动失稳现象。
CN202211244067.0A 2022-10-12 2022-10-12 基于声阵列的轴流风扇气动失稳辨识方法 Active CN115306754B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211244067.0A CN115306754B (zh) 2022-10-12 2022-10-12 基于声阵列的轴流风扇气动失稳辨识方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211244067.0A CN115306754B (zh) 2022-10-12 2022-10-12 基于声阵列的轴流风扇气动失稳辨识方法

Publications (2)

Publication Number Publication Date
CN115306754A true CN115306754A (zh) 2022-11-08
CN115306754B CN115306754B (zh) 2023-02-17

Family

ID=83868023

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211244067.0A Active CN115306754B (zh) 2022-10-12 2022-10-12 基于声阵列的轴流风扇气动失稳辨识方法

Country Status (1)

Country Link
CN (1) CN115306754B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN119245807A (zh) * 2024-09-02 2025-01-03 西安交通大学 基于多测量贝叶斯压缩感知的风扇声模态分解方法及系统
CN120489327A (zh) * 2025-03-31 2025-08-15 太行国家实验室 压气机近失速状态声纹连续监测方法、系统、介质及设备
CN120538655A (zh) * 2025-03-27 2025-08-26 西安交通大学 航发压气机声共振声学诊断方法、系统、介质及设备

Citations (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5767780A (en) * 1993-09-22 1998-06-16 Lockheed Martin Energy Research Corporation Detector for flow abnormalities in gaseous diffusion plant compressors
EP1016792A2 (en) * 1998-12-30 2000-07-05 United Technologies Corporation System for active flutter control
EP1734354A2 (en) * 2005-06-16 2006-12-20 Pratt & Whitney Canada Corp. Engine status detection with external microphone
US20080232950A1 (en) * 2007-03-23 2008-09-25 Johnson Controls Technology Company Method for detecting rotating stall in a compressor
US20090246020A1 (en) * 2006-12-08 2009-10-01 Thomas Steiniche Bjertrup Nielsen Method For Damping Edgewise Oscillations In One Or More Blades Of A Wind Turbine, An Active Stall Controlled Wind Turbine And Use Hereof
US20100284785A1 (en) * 2007-12-28 2010-11-11 Aspi Rustom Wadia Fan Stall Detection System
US20120219398A1 (en) * 2010-03-01 2012-08-30 Flakt Woods Limited Method of detecting and controlling stall in an axial fan
CN104239614A (zh) * 2014-09-01 2014-12-24 西北工业大学 压气机气动失稳信号的模拟方法
EP3073108A1 (en) * 2015-03-27 2016-09-28 Siemens Aktiengesellschaft Control for a wind turbine
CN106596011A (zh) * 2016-11-21 2017-04-26 中国船舶重工集团公司第七0五研究所 基于激励点优选和激光测振的小型叶轮模态测试方法
US20170175776A1 (en) * 2015-12-21 2017-06-22 Pratt & Whitney Canada Corp. Mistuned fan
CN107165850A (zh) * 2017-06-27 2017-09-15 西北工业大学 一种基于频域驼峰识别的轴流压气机旋转失速预警方法
CN107727228A (zh) * 2017-07-11 2018-02-23 中国人民解放军空军工程大学 基于共振加强奇异值分解的声场模态分析方法
CN109117506A (zh) * 2018-07-12 2019-01-01 北京航空航天大学 一种针对通用叶盘结构的嵌入式压电分支阻尼优化设计方法
CN109657397A (zh) * 2018-12-29 2019-04-19 山东大学 基于频响函数的汽轮机叶片-转子系统稳定性的预测方法
US20190383297A1 (en) * 2017-03-02 2019-12-19 Technische Universität Berlin Method and device for determining an indicator for a prediction of an instability in a compressor and use thereof
CN110925233A (zh) * 2019-12-05 2020-03-27 中国航发四川燃气涡轮研究院 一种基于声学信号的压气机喘振故障诊断方法
US20200333178A1 (en) * 2019-04-19 2020-10-22 Purdue Research Foundation Utilization of fast-response pressure measurements to nonintrusively monitor blade vibration in axial compressors
CN112052551A (zh) * 2019-10-25 2020-12-08 华北电力大学（保定） 一种风机喘振运行故障识别方法及系统
CN114065423A (zh) * 2021-11-12 2022-02-18 西北工业大学 快速评估航空发动机风扇叶片颤振的方法
CN114136648A (zh) * 2021-10-20 2022-03-04 中国航发四川燃气涡轮研究院 基于声阵列的航空发动机风扇动叶的气动激励辨识方法
CN114598983A (zh) * 2022-01-24 2022-06-07 北京航空航天大学 一种民机增升装置噪声麦克风阵列测试方法

Patent Citations (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5767780A (en) * 1993-09-22 1998-06-16 Lockheed Martin Energy Research Corporation Detector for flow abnormalities in gaseous diffusion plant compressors
EP1016792A2 (en) * 1998-12-30 2000-07-05 United Technologies Corporation System for active flutter control
EP1734354A2 (en) * 2005-06-16 2006-12-20 Pratt & Whitney Canada Corp. Engine status detection with external microphone
US20090246020A1 (en) * 2006-12-08 2009-10-01 Thomas Steiniche Bjertrup Nielsen Method For Damping Edgewise Oscillations In One Or More Blades Of A Wind Turbine, An Active Stall Controlled Wind Turbine And Use Hereof
US20080232950A1 (en) * 2007-03-23 2008-09-25 Johnson Controls Technology Company Method for detecting rotating stall in a compressor
US20100284785A1 (en) * 2007-12-28 2010-11-11 Aspi Rustom Wadia Fan Stall Detection System
US20120219398A1 (en) * 2010-03-01 2012-08-30 Flakt Woods Limited Method of detecting and controlling stall in an axial fan
CN104239614A (zh) * 2014-09-01 2014-12-24 西北工业大学 压气机气动失稳信号的模拟方法
EP3073108A1 (en) * 2015-03-27 2016-09-28 Siemens Aktiengesellschaft Control for a wind turbine
US20170175776A1 (en) * 2015-12-21 2017-06-22 Pratt & Whitney Canada Corp. Mistuned fan
CN106596011A (zh) * 2016-11-21 2017-04-26 中国船舶重工集团公司第七0五研究所 基于激励点优选和激光测振的小型叶轮模态测试方法
US20190383297A1 (en) * 2017-03-02 2019-12-19 Technische Universität Berlin Method and device for determining an indicator for a prediction of an instability in a compressor and use thereof
CN107165850A (zh) * 2017-06-27 2017-09-15 西北工业大学 一种基于频域驼峰识别的轴流压气机旋转失速预警方法
CN107727228A (zh) * 2017-07-11 2018-02-23 中国人民解放军空军工程大学 基于共振加强奇异值分解的声场模态分析方法
CN109117506A (zh) * 2018-07-12 2019-01-01 北京航空航天大学 一种针对通用叶盘结构的嵌入式压电分支阻尼优化设计方法
CN109657397A (zh) * 2018-12-29 2019-04-19 山东大学 基于频响函数的汽轮机叶片-转子系统稳定性的预测方法
US20200333178A1 (en) * 2019-04-19 2020-10-22 Purdue Research Foundation Utilization of fast-response pressure measurements to nonintrusively monitor blade vibration in axial compressors
CN112052551A (zh) * 2019-10-25 2020-12-08 华北电力大学（保定） 一种风机喘振运行故障识别方法及系统
CN110925233A (zh) * 2019-12-05 2020-03-27 中国航发四川燃气涡轮研究院 一种基于声学信号的压气机喘振故障诊断方法
CN114136648A (zh) * 2021-10-20 2022-03-04 中国航发四川燃气涡轮研究院 基于声阵列的航空发动机风扇动叶的气动激励辨识方法
CN114065423A (zh) * 2021-11-12 2022-02-18 西北工业大学 快速评估航空发动机风扇叶片颤振的方法
CN114598983A (zh) * 2022-01-24 2022-06-07 北京航空航天大学 一种民机增升装置噪声麦克风阵列测试方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
姚丹等: "压气机叶顶区域周向模态特性的实验", 《航空动力学报》 *
梁东等: "一种风扇/压气机声模态测量分析方法", 《燃气涡轮试验与研究》 *
许坤波等: "基于参考信号方法的叶轮机械宽频噪声试验研究", 《航空发动机》 *
钟明等: "风扇/压气机失稳辨识系统设计与验证", 《燃气涡轮试验与研究》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN119245807A (zh) * 2024-09-02 2025-01-03 西安交通大学 基于多测量贝叶斯压缩感知的风扇声模态分解方法及系统
CN120538655A (zh) * 2025-03-27 2025-08-26 西安交通大学 航发压气机声共振声学诊断方法、系统、介质及设备
CN120538655B (zh) * 2025-03-27 2026-03-31 西安交通大学 航发压气机声共振声学诊断方法、系统、介质及设备
CN120489327A (zh) * 2025-03-31 2025-08-15 太行国家实验室 压气机近失速状态声纹连续监测方法、系统、介质及设备

Also Published As

Publication number Publication date
CN115306754B (zh) 2023-02-17

Similar Documents

Publication Publication Date Title
CN115306754B (zh) 基于声阵列的轴流风扇气动失稳辨识方法
Rademaker et al. Mode detection with an optimised array in a model turbofan engine intake at varying shaft speeds
CN114136648B (zh) 基于声阵列的航空发动机风扇动叶的气动激励辨识方法
Tapken et al. Fan test rig for detailed investigation of noise generation mechanisms due to inflow disturbances
CN115620734A (zh) 航空发动风扇单音噪声周向声模态识别方法及装置
Wu et al. Blade tip timing: from raw data to parameters identification
Sijtsma et al. Azimuthal and radial mode detection by a slowly rotating rake
JPH08177530A (ja) ガスタービンの異常検知装置
Parker et al. An experimental investigation of the generation and consequences of acoustic waves in an axial flow compressor: Large axial spacings between blade rows
CN120404150B (zh) 航发压气机旋转失速声纹监测方法、系统、介质及设备
Schneider et al. Influence of a turbulence control screen on the aerodynamic and aeroelastic behavior of a UHBR fan
Salze et al. New modular fan rig for advanced aeroacoustic tests-Acoustic characterization of the facility
Moser et al. An investigation of low pressure turbine blade—vane interaction noise: Measurements in a 1.5-stage rig
Chai et al. PSD estimation and modal parameter identification for random vibrations with blade tip timing measurement
CN120445660A (zh) 航发风扇叶片同步振动声学辩识方法、系统、介质及设备
CN119203694B (zh) 基于叶尖定时原理的叶片非同步振动应力实时监测方法
Meyer et al. Unsteady Flow, Turbulence and Acoustic Measurements on the Counter-Rotating DLR Turbo Fan Stage CRISPmulti, With and Without Inlet Distortions
CN120538655B (zh) 航发压气机声共振声学诊断方法、系统、介质及设备
CN120445659B (zh) 航发风扇叶片掉角故障声学诊断方法、系统、介质及设备
Pečinka et al. Small Jet Engine Centrifugal Compressor Stability Margin Assessment
CN118376391A (zh) 一种辅助动力装置压缩系统流动失稳边界检测方法及系统
CN120445661B (zh) 航发压气机旋转不稳定声纹辨识方法、系统、介质及设备
Gill et al. Experimental investigation of flutter in a single stage unshrouded axial-flow fan
CN115636105A (zh) 基于最小方差功率谱估计的叶片固有频率识别方法
Serrano et al. Effect of Airfoil Clocking on Noise of LP Turbines: Part II—Modal Structure Analysis

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant