-
公开(公告)号：CN113530617B
公开(公告)日：2022-06-21
申请号：CN202110708301.X
申请日：2021-06-24
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于叶端定时传感器提取叶片间固有频率差值方法，方法中，利用多个叶端定时传感器获取旋转叶片的实际达到时间，并根据旋转叶片的转速和叶片长度，理论到达时间和实际达到时间之差转换为叶端的位移数据；对多个叶端定时传感器编号，基于编号区分每个叶片的位移数据以分别分析每个叶端定时传感器的位移数据；选择并截取同转速下的两个旋转叶片的叶端的位移数据；截取的位移数据分别离散傅里叶变换，采样频率近似为平均转速以得到频谱数据，将得到的频谱数据进行线性叠加绘制出总幅频图，从总幅频图中提取两个旋转叶片固有频率混叠后对应的频率余数，将两个频率余数作差得到两个叶片间的固有频率差。
-
公开(公告)号：CN113404555B
公开(公告)日：2022-06-21
申请号：CN202110707460.8
申请日：2021-06-24
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于多个叶端定时传感器的叶片固有频率识别方法，方法中，利用多个叶端定时传感器分别获取旋转叶片的实际达到时间，并根据旋转叶片的转速和叶片长度，将理论到达时间和实际达到时间之差转换为叶端的位移数据；截取位移数据并去均值后，进行点乘得到相乘后的乘积向量，对乘积向量离散傅里叶变换得到频谱数据；将得到的所有频谱数据进行线性叠加，绘制出总幅频图，从幅频图中提取出两个叶片固有频率之和的混叠后的频率成分，以及两个叶片固有频率差频成分，对每一种组合重复第三步骤至第六步骤得到所有叶片的固有频率估计值，通过聚类方式剔除异常值后，对得到的频率估计类求取平均值，并将此平均值作为叶片的固有频率。
-
公开(公告)号：CN113530616A
公开(公告)日：2021-10-22
申请号：CN202110708142.3
申请日：2021-06-24
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于多个叶端定时传感器的叶片间固有频率差值提取方法，方法中，基于两个叶片的位移数据寻找位移数据中的共振峰，选择1个共振峰对应的序号值为参考点，选择其相邻范围作为数据截取区间，基于两个叶片的夹角对位移数据位移的数据截取区间修正，以重新截取位移数据；将截取的两个叶片的位移数据取去均值标准化处理后，对应位置的位移数据进行相乘得到两个叶片所截取区间的位移乘积数据，基于位移乘积数据提取出两个叶片的固有频率差值以叶片故障诊断。
-
公开(公告)号：CN113504309A
公开(公告)日：2021-10-15
申请号：CN202110702413.4
申请日：2021-06-24
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于单个叶端定时传感器的叶片检测方法，方法中，在位移数据中截取两个叶片的同转速下的两段位移数据向量，基于两个叶片的夹角对位移数据向量截取的位置进行调整，以重新截取两段位移数据向量，重新截取的两段位移数据向量点乘得到对应序号相乘后的乘积数据向量，乘积数据向量通过低频滤波，然后进行离散傅里叶变换得到频率成分，从低频成分中提取两个叶片的固有频率差值，通过不同叶片间差值的线性组合判断频率差值的可信度以对频率差值矩阵进行修正，基于频率差值矩阵构建的系数矩阵，提取每个叶片的固有频率差值和，当其超出预定的频率差值和阈值判断叶片异常。
-
公开(公告)号：CN113404555A
公开(公告)日：2021-09-17
申请号：CN202110707460.8
申请日：2021-06-24
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于多个叶端定时传感器的叶片固有频率识别方法，方法中，利用多个叶端定时传感器分别获取旋转叶片的实际达到时间，并根据旋转叶片的转速和叶片长度，将理论到达时间和实际达到时间之差转换为叶端的位移数据；截取位移数据并去均值后，进行点乘得到相乘后的乘积向量，对乘积向量离散傅里叶变换得到频谱数据；将得到的所有频谱数据进行线性叠加，绘制出总幅频图，从幅频图中提取出两个叶片固有频率之和的混叠后的频率成分，以及两个叶片固有频率差频成分，对每一种组合重复第三步骤至第六步骤得到所有叶片的固有频率估计值，通过聚类方式剔除异常值后，对得到的频率估计类求取平均值，并将此平均值作为叶片的固有频率。
-
Patent Agency Ranking
公开(公告)号：CN112733280A
公开(公告)日：2021-04-30
申请号：CN202011415926.9
申请日：2020-12-03
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于最小冗余线阵的叶端定时传感器布局方法，所述方法将叶片振动信号建模为基于复指数信号的信号模型；根据不同传感器所测叶片振动信号的共轭循环互相关矩阵，分析了传感器布局的冗余性；基于传感器布局冗余性分析，得出了最小冗余线阵需要满足的三个条件；建立了线阵和叶端定时传感器布局的对应关系；基于典型最小冗余线阵，提出了叶端定时传感器布局选择的两个步骤，根据香农采样定理确定在均匀布置情况下所需传感器数的下界V0，在最小冗余线阵表中选择一个大于V0的数V，并在所述数V所在行选择J个小于V的数，所选传感器位置满足最小冗余线阵的所述第一条件。
-
公开(公告)号：CN109520562B
公开(公告)日：2021-04-09
申请号：CN201811251069.6
申请日：2018-10-25
Applicant: 西安交通大学
Abstract: 公开了一种叶端定时检测装置及其安装方法，所述叶端定时检测装置包括叶端定时检测装置，其包括基础部分、动力输入部分、运动部分和检测部分，底板用于支承动力输入部分、运动部分和检测部分；主轴经由轴承安装在轴承座，所述主轴的第一端经由联轴器连接所述电机，第二端设有轮盘，叶片安装在所述轮盘上；机匣经由机匣底板固定在所述底板，所述机匣包围所述轮盘和叶片，所述机匣上均布多个通孔，叶端定时传感器安装在所述通孔。
-
公开(公告)号：CN109870282B
公开(公告)日：2020-04-28
申请号：CN201910236527.7
申请日：2019-03-26
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于压缩感知的叶片振动特征辨识方法及系统，包括：对叶端定时信号的采样过程建立压缩感知模型；确定待测共振转速区间、叶端定时传感器最小安装间隔和叶端定时传感器非安装位置；避开共振转速区间采样冗余、设立叶端定时传感器最小安装间隔采样列数、删除叶端定时传感器非安装位置，计算符合压缩感知模型下的叶端定时传感器布局最优解；根据叶端定时传感器布局最优解，建立叶片采样信号稀疏表示模型和叶尖特征提取优化模型，采用基于迭代重加权L1范的特征辨识算法，得到叶片振动特征参数。本发明能够有效提高叶片振动参数辨识精度，改善叶片在线监测质量。
-
公开(公告)号：CN109870282A
公开(公告)日：2019-06-11
申请号：CN201910236527.7
申请日：2019-03-26
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于压缩感知的叶片振动特征辨识方法及系统，包括：对叶端定时信号的采样过程建立压缩感知模型；确定待测共振转速区间、叶端定时传感器最小安装间隔和叶端定时传感器非安装位置；避开共振转速区间采样冗余、设立叶端定时传感器最小安装间隔采样列数、删除叶端定时传感器非安装位置，计算符合压缩感知模型下的叶端定时传感器布局最优解；根据叶端定时传感器布局最优解，建立叶片采样信号稀疏表示模型和叶尖特征提取优化模型，采用基于迭代重加权L1范的特征辨识算法，得到叶片振动特征参数。本发明能够有效提高叶片振动参数辨识精度，改善叶片在线监测质量。
-
公开(公告)号：CN113586177A
公开(公告)日：2021-11-02
申请号：CN202111017892.2
申请日：2021-08-31
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于单叶端定时传感器的叶片固有频率识别方法，方法中，利用单叶端定时传感器获取旋转叶片的达到时间，并将其转换为位移数据，利用转速传感器获取转轴的转速；通过自适应变窗长的短时傅里叶变换得到频率分辨率一致的混叠频率，绘制出采样频率‑混叠频率图；根据幅值对SAF图中的共振点进行识别，得到极小值点对应的采样频率通过最小二乘直线拟合对极小值点两边的线段斜率进行识别，并将斜率就近取整，并取绝对值作为EO值；将采样频率与对应的EO值相乘得到叶片的固有频率估计本方法可以从极度欠采样的信号中识别准确的频率，识别方法简单可靠，无需对信号进行重构，运算快速稳定，简单可行。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.061 seconds)
