单叶端定时传感器变工况旋转叶片固有频率提取方法

    公开(公告)号:CN113565585A

    公开(公告)日:2021-10-29

    申请号:CN202111017895.6

    申请日:2021-08-31

    Abstract: 本发明公开了一种单叶端定时传感器变工况旋转叶片固有频率提取方法,方法中,利用单叶端定时传感器获取旋转叶片的时间脉冲,首先将其转换成转速,然后根据叶片半径R和转速n将实际达到时间和理论达到时间差Δt转换为位移数据;使用变窗长的短时傅里叶变换或者最小二乘估计等频谱分析方法得到混叠频率分辨率一致的采样频率‑混叠频率图;通过Hough变换或Radon变换提取采样频率‑混叠频率图的特征;将提取到的直线斜率与四舍五入取整结果作比较,计算可信度权重;根据可信度权重对图中所有直线的截距估计结果进行加权平均,得到固有频率估计值。

    基于多个叶端定时传感器的叶片检测方法

    公开(公告)号:CN113504311A

    公开(公告)日:2021-10-15

    申请号:CN202110702530.0

    申请日:2021-06-24

    Abstract: 本发明公开了一种基于多个叶端定时传感器的叶片检测方法,方法中,在不同叶端定时传感器采集得到的位移数据中截取两个叶片的同转速下的两段位移数据,两段所截取位移数据为1组,基于两个叶片的夹角对位移数据修正截取区间,以重新截取位移数据;每组内的两个位移数据进行相乘,通过低频滤波,然后进行离散傅里叶变换得到每组的幅频数据,将幅频数据进行线性叠加,得到两个叶片所截取区间的乘积向量总幅频图,在总幅频图中提取两个叶片的固定频率差,取不同的叶片组合,重复第二步骤至第四步骤操作,得到每个叶片和其他叶片的固定频率差,计算每个叶片和其他叶片的频率差值和,当其超出预定的频率差值和阈值则判断叶片为异常。

    基于单个叶端定时传感器的叶片检测方法

    公开(公告)号:CN113504309B

    公开(公告)日:2022-10-28

    申请号:CN202110702413.4

    申请日:2021-06-24

    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。

    单个叶端定时传感器的叶片固有频率检测方法

    公开(公告)号:CN113533530B

    公开(公告)日:2022-07-01

    申请号:CN202110708303.9

    申请日:2021-06-24

    Abstract: 本发明公开了一种单个叶端定时传感器的叶片固有频率检测方法,方法中,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,乘积数据向量低频滤波,对滤波后的乘积向量进行Hilbert变换得到瞬时相位,对瞬时相位进行离散傅里叶变换,从幅频数据中提取叶片间的固有频率差值的绝对值,对叶盘上的叶片进行排列组合得到全部叶片的固有频率差值绝对值,计算每个叶片与其他叶片的固有频率差值绝对值和,当固有频率差值绝对值和大于预定阈值时,则认为该叶片固有频率存在异常。

    基于叶端定时传感器提取叶片间固有频率差值方法

    公开(公告)号:CN113530617A

    公开(公告)日:2021-10-22

    申请号:CN202110708301.X

    申请日:2021-06-24

    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。

    一种非冗余的信号欠采样及频谱恢复方法

    公开(公告)号:CN116450997A

    公开(公告)日:2023-07-18

    申请号:CN202310363811.7

    申请日:2023-04-06

    Abstract: 本公开揭示了一种非冗余的信号欠采样及频谱恢复方法,包括如下步骤:S100:通过两路采样频率相同的均匀欠采样器对信号采样,获得欠采样样本数据;S200:基于欠采样样本数据计算自相关估计,以获得自相关估计样本,基于自相关估计样本计算多重相关估计,以获得均匀等间隔的多重相关估计样本;S300:对多重相关估计样本进行傅里叶变换得到多重相关频谱;S400:将多重相关频谱转换为信号的频谱;S500:基于多重相关估计样本计算多重相关矩阵;S600:将多重相关矩阵取代子空间类方法中的自相关矩阵,计算超分辨率的伪频谱。

    基于残差神经网络的叶片固有频率辨识方法

    公开(公告)号:CN116050237A

    公开(公告)日:2023-05-02

    申请号:CN202211206716.8

    申请日:2022-09-29

    Abstract: 公开了基于残差神经网络的叶片固有频率辨识方法,方法中,基于叶片振动确定叶端定时信号的频率识别范围,并将频率识别范围划分为多个等宽度的频带,同时将连续的频带离散化得到多个随机频率成分;基于随机频率成分生成与待识别信号具有相同传感器排布方式的仿真叶端定时信号;基于仿真叶端定时信号计算其自相关矩阵并重构为三维张量,以三维张量作为输入及其对应的频率成分作为标签,生成数据集;构建残差神经网络模型;利用不同频带的多组数据集分别训练多个神经网络模型作为多个不同频带下的频率估计模型;在时域分割实测的叶端定时数据并计算其自相关矩阵,将自相关矩阵构成的张量分别输入多个训练好的频率估计模型,最终得到频率估计结果。

Patent Agency Ranking