壓氣機氣動失穩故障的聲學診斷技術研究進展

陳禹西, 楊明綏, 楊國安

(1.中國航發沈陽發動機研究所,遼寧 沈陽 110015; 2.北京化工大學 機電工程學院,北京 100029)

作為航空發動機的重要部件,壓氣機處于不穩定狀態時,不僅其性能會下降,還可能對自身結構產生額外載荷,導致其壽命減少甚至結構失效,對發動機正常工作甚至整機飛行安全帶來嚴重影響。圖1展示了氣動失穩對壓氣機葉片造成的結構破壞。為改善壓氣機的穩定性,研究人員提出了各種故障檢測與診斷的方案,這些方案一般通過壓氣機上安裝的傳感器監測壓氣機失穩時的異常信號,然后向控制系統發出指令,調節壓氣機的穩定裕度或使壓氣機的工作點遠離不穩定邊界。這種失穩控制手段已經在整機上得到應用[1-2]。但目前這種方法僅能在失穩發生時發揮作用,并不能提前預防失穩的發生。為了更加及時地捕捉到壓氣機的不穩定工作狀態,減少壓氣機不穩定工作的時間,有必要探究基于各種傳感器方案的氣動失穩監測和預警技術。

圖1 喘振導致的壓氣機葉片結構破壞[3]

已有經驗表明,發動機整機及部件在運行時往往會出現一些反映其運行狀態和運行品質的異常聲響或振動,而這些異常聲振現象發生時均在其聲音信號上有顯著體現[4],可以被試車員、飛行員等依據“響聲”“異響”主觀感知到,這為使用聲學原理和聲學信號研究壓氣機內的流動和振動現象奠定了基礎。隨著研究的深入,人們逐漸認識到聲學信號不僅能夠有效表征葉片氣動故障與振動故障信息,而且聲信號獨有的波動傳播理論在葉片流固耦合機理研究方面具有天然優勢,是分析葉片非同步共振、聲腔共振、氣動失速、喘振、顫振等故障機理的優異分析手段。Sundstr?m等[5]提出,在低質量流量下,壓氣機發出的噪聲主要來源于作用在葉片表面的非定常壓力載荷。Cumpsty[6]也提出,氣動失穩時的壓氣機具有特定的聲學特征。聲學測量已經在壓氣機故障研究中獲得了一些應用[4,7],基于聲學信號的發動機葉片故障監測與診斷技術具有非接觸、強便攜性、便于安裝、無需對壓氣機進行過多測試改裝等優點[8],且在航空發動機氣動運行狀態、旋轉機械運行品質檢測方面,聲學信號獨有的“可有效與人耳聽覺的主觀評價相關聯,且可量化”的優點,最具潛力發展形成“人機合一”綜合檢測與診斷能力的物理信號。通過對聲信號的深入研究分析,研究人員有望研制出更加準確、靈敏的壓氣機故障診斷、監測和預警方法。

因此,本文主要關注國內外基于聲學手段的壓氣機氣動失穩故障診斷研究的進展情況,對相關的研究工作進行梳理、提煉和闡述,理清氣動失穩現象與聲信號表征的機理分析、試驗方案、測試布局與方法、數據處理手段等技術發展脈絡。在此基礎上,提煉分析并給出了壓氣機氣動失穩故障的聲學監測與預警方法的發展趨勢與關鍵技術,為壓氣機失穩檢測診斷手段的發展與完善提供一定的指導。

1 氣動失穩的發聲機理與信號特征

旋轉失速與喘振是典型的壓氣機氣動失穩現象,隨著壓氣機內部流動條件惡化,一些初始擾動出現,流道內會出現流動分離,壓氣機發生旋轉失速,若流動狀況進一步惡化,壓氣機則可能發生喘振。當轉速足夠高時,流動條件惡化也可能直接造成喘振。不同轉速下的失穩形式如圖2所示。旋轉失速發生時,某一個或幾個葉片流道首先發生氣流分離,形成分離團,如圖3所示,從整體上看,分離團在轉子上逆轉子旋轉方向轉動。在分離區域內,葉片的流動分離與渦系結構十分復雜,具有強烈的非定常性,形成了獨特的聲源,圖4展示了失穩過程中聲學信號的變化。一些情況下,在失穩發生前,會首先出現模態波的特征頻率,并伴有“異常”聲波的產生;另一些情況下失穩過程發生得更突然,未觀察到明顯的先兆現象即直接進入失速或喘振狀態。進入失穩狀態后,聲信號會發生明顯變化,包括幅值的顯著波動和頻率成分的改變。

圖2 不同轉速下的失穩形式

圖3 基元中的流動分離

圖4 失穩過程中聲學信號變化

旋轉不穩定性是另一種出現在壓氣機高負荷工況時的動失穩現象,目前普遍認為其與葉尖泄露而形成的漩渦有關,不同于失速或喘振,在信號特征上,旋轉不穩定性可以視為繞轉子旋轉的脈動聲源。如圖5所示,脈動聲源的周向分布可以看成多個連續階數模態空間傅里葉分量的疊加,導致旋轉不穩定性的頻率特性一般表現為離散頻率峰值及其諧波。如圖6所示,RI頻率通常伴隨著BPF+RI和BPF-RI的出現,而且RI 頻帶通常表現為多重離散峰值的疊加,相鄰2個離散峰的間隔頻率幾乎相等。

圖5 旋轉不穩定聲源特征

圖6 旋轉不穩定的頻率特征

2 氣動失穩的聲學表征方法

借助各種信號分析手段,獲取氣動失穩的聲學表征是發展相應診斷技術的必要途徑。為此,國內外研究人員圍繞著聲信號的采集與分析處理開展了大量工作。隨著技術的發展,在采集方法方面,手段逐漸趨于復雜,通道數量、采樣率等參數不斷提升;在分析處理方面,從簡單時頻表征手段逐漸發展到高階參數表征、模態分量表征、空間特征表征。其中信號分析處理技術的發展起到了重要的推動作用。因此本節主要從信號處理技術的角度,對氣動失穩的聲學表征方法進行梳理。

2.1 基于傳統時頻理論的表征方法

早期的失穩聲學測量研究使用的傳聲器數目較少,信號處理分析的手段也僅集中于基本的時頻分析,盡管如此,研究人員已經能夠通過比較正常與失穩狀態下聲信號的差異,從一些時域統計量和頻率成分變化的角度對失穩信號的特征進行表征。

國內可以檢索到的最早使用聲學手段研究壓氣機失穩的工作為20世紀末胡宗安等[9-10]在單、雙級壓氣機試驗臺上進行的旋轉失速與顫振現象研究,他們提出了根據聲信號中滿足倍頻程關系的頻率確定失速團傳播速度的方法。同一時期,Lawless等[11-12]也對某離心壓氣機失穩現象的聲信號特性進行了研究,描述了隨著流量減少,聲信號中失速特征頻率和喘振特征頻率的變化,還開創性地使用了環形傳聲器陣列獲得了壓氣機的聲模態信息,發現部分模態在時域信號的幅值出現異常前就已經發生了變化。Aretakis等[13-14]使用如圖7所示的測試布局研究了某離心壓氣機在幾種結構故障下,振動、脈動壓力與聲信號的變化,發現故障發生時,信號功率譜上一階與二階BPF處能量將發生變化;于2004年對失速以及喘振現象展開了試驗研究[15],發現壓氣機進入失速狀態后,聲信號的幅值增加主要來源于0～0.9BPF范圍的能量增強,如圖8、圖9所示,進入喘振狀態后,時域上信號的平穩性消失,在頻譜上可以觀察到對應低頻的位置出現了大量能量聚集,同時還發現,相比于振動傳感器,傳聲器對失速引起的氣流擾動更加敏感。受到Aretakis以及Lawless等工作的啟發,2007年,Morini等[16]在費拉拉大學的軸流-離心混合式的多級壓氣機試驗臺開展研究,使用如圖10所示的測試布局,捕捉到了喘振發生前后,聲信號中類似的低頻成分變化。

圖7 Aretakis等的測量方案[15]

圖8 聲信號隨壓氣機工作點的變化[15]

圖9 聲信號頻譜隨工作點的變化[15]

圖10 Morini等的測量方案[16]

2.2 基于現代信號分析理論的表征方法

僅從有限的時域參數和特征頻率角度對失穩聲信號進行描述并不全面:一方面,不同型號的壓氣機甚至同一壓氣機在不同轉速下的信號幅值和失穩特征頻率都是不一致的,難以發展出可靠的故障診斷方法;另一方面,對于失穩診斷的需求正逐漸從診斷失穩本身過渡到失穩先兆診斷,失穩先兆的特征一般十分微弱,難以直接從時頻分析中獲得。一些先進的信號分析手段,特別是各種高階統計量、信號分解與降噪方法,能夠多角度、更準確地捕捉微弱的信號特征。有望對失穩先兆進行更加深入的表征。

Munari等[17]使用循環平穩分析的方法分析了喘振的聲信號。結果表明,正常運轉的壓氣機信號具有較強的隨機性,當壓氣機進入喘振狀態時,信號隨機性消失,轉變為由單一頻率主導。Ferrari等[18]對T100微型燃機進行了失速喘振的信號測量,通過定義用于分析并量化振動與聲信號的不平穩性的包絡與方差函數,有效識別了喘振信號。在之后的研究中[19],進一步運用自相關函數與高階譜方法對失穩狀態的聲信號進行了分析。對自相關函數進行分析發現,接近失穩狀態時,傳聲器可以檢測到聲共振激發的壓氣機強迫響應現象,其表現為信號自相關函數外側趨勢的改變。對信號雙譜分析的結果表明,不穩定狀態下低頻部分能量相較于穩態有明顯增強,雙譜分析還揭示了系統中存在調制現象。

曹昳劼等[20]基于快速傅里葉變換和小波分析等方法,實現了喘振特征信號的提取,得到了與Lawless、Aretakis等類似的結論。金剛[21]比較了壓力脈動信號、聲信號和振動信號在失穩檢測效果上的差異,發現動態壓力和聲壓信號對氣動失穩的反應更加靈敏。Sun等[22]也通過判斷特征頻率是否出現在聲壓信號頻譜上,分析了聲學測量監測壓氣機不穩定狀態的能力,指出傳聲器的位置因素對能否檢測到氣動失穩影響較大。Guan等[23]研究了聲壓信號的IMF分量和POD能量占比,發現壓氣機失穩時,部分內涵模態分量會發生大幅階躍。閆思齊等[24]使用如圖11所示的測試布局采集了臺架喘振試驗時壓氣機左右兩側的聲壓信號,應用小波低頻重構聲壓信號實現了對某型渦軸發動機喘振的識別與特征提取。

圖11 閆思齊等的傳感器布置方案[24]

2.3 基于空間模態的表征方法

除了上述特征,空間模態信息對壓氣機的一些失穩現象研究也尤為重要[25],王良鋒等[26]對某單級風扇的管道周向聲模態進行了試驗測量,比較了信號互相關和傳統的均方根兩種模態分解方法的結果。梁東等[27]發展了當測點數目不滿足條件或測點損壞時,求解出聲模態的通用分析方法。Sack等[28]提出了基于神經網絡的管道模態分解方案。程禮等[25]提出了聲模態時序圖的繪制方法,發現后行聲模態波與壓氣機效率下降故障有關,驗證了聲模態診斷方法的可行性。西安交通大學與中國航發四川燃氣渦輪研究院基于圖12所示的測試系統開展了基于聲學測量的故障診斷、先兆識別和信號處理的研究。在聲模態方面,提出了基于壓縮感知的聲模態重構方法[29],實現了少數傳聲器對主導聲模態的階數識別和幅值重構。在故障先兆識別方面,開展了多級風扇試驗器由穩定旋轉至喘振的瞬態試驗[30],通過在壓氣機進口機匣安裝的周向傳聲器陣列獲得故障信號,觀測到了風扇在進入喘振前,強烈單音噪聲和失速氣團的特征頻率,獲得了與Enrico等觀察到的現象相吻合的結果。近期,研究人員還使用類似手段對氣動彈性問題開展了研究[31],通過對聲信號的分析,提取到了強迫響應、聲共振導致的顫振等故障的特征參數。

圖12 測試系統示意圖[29]

3 氣動失穩及其先兆的診斷與預警方法

壓氣機的氣動失穩及其先兆常常表現為特定規律的壓力波動。這種波動可以被脈動壓力傳感器或傳聲器捕捉到,基于這兩類信號的氣動失穩診斷方法具有一定的相似性。不同于脈動壓力傳感器,由于傳聲器測得的是壓力的動態量,無法獲得壓力本身的變化,因此基于聲信號的診斷方法更加關注時域的波動,如信號的變化率、方差、相關系數等。另一些方法則基于信號的頻域特點[32],如中心頻率法、能量法等。不同方法的差異主要體現在診斷參數和報警邏輯上。一般基于時域特征參數的方法也會通過濾波等預處理手段引入頻率信息。在已發表的文獻中,還有很多工作使用不同信號處理分析手段提取出了失穩信號的特征,但尚未形成完整的診斷方法,例如自相關函數[19,33]、小波分析[34-37]、信號熵[38-39]、聲學模態分解[25,31],以及高階譜方法[19],這些方法參見對應的文獻。

3.1 基于信號變化率的診斷方法

壓氣機進入失穩狀態時氣流參數的急劇變化可以在信號時域被直觀地捕捉到。雷杰等[40]提出了一種基于脈動壓力變化率的喘振檢測方法,這種方法首先使用式(1)提取出脈動壓力中的動態量,獲得類似聲壓的結果ΔP1。喘振發生時,ΔP1會發生急劇變化,可以通過式(2)來監測這種變化并給出檢測結果。

(1)

|d(ΔP1)/dt|>A

(2)

式中:P1(i)為傳感器采集到的壓力信號;N為計算均值所使用的點數;k為當前時刻;A為檢測閾值。這種方法計算簡單,適用于在線診斷,但需要開展大量試驗工作,確定各種狀態下脈動壓力變化率的分布規律以及診斷閾值。

3.2 基于信號方差的診斷方法

方差可以反映一段時間內信號圍繞其平均值的波動量,而波動量是壓氣機失穩時信號時域上最顯著的特征。失穩狀態下的聲壓波動也可以使用統計方差[41-42]、延遲方差[39]、自協方差[21]等來度量,劉勃等[43]提出了一種改進的方差方法。

(3)

(4)

(5)

自協方差是描述平穩隨機信號統計特征最常用的二階統計量。對于平穩隨機信號,自協方差函數等于去除了均值部分的自相關函數,因此自協方差受壓氣機工況變化影響較小。對于k時刻前采集到的長度為N的信號P(i),可以使用式(6)計算時差為m時的自協方差,并根據方差范圍給出失穩診斷結果。

(6)

(7)

3.3 基于信號相關性的診斷方法

變化率與方差主要關注失穩信號的突變與波動范圍是否在閾值之內,但單一的閾值往往缺乏通用性,并且這2個指標對于特征微弱的失穩先兆響應并不靈敏。信號相似度方法將2個子段信號的相關性指標作為檢測參數,在一定程度上解決了該問題。相似度越大,說明傳感器采集到的壓力波信號具有越好的時間周期性,壓氣機工作穩定。李琳等[45-46]較早地驗證了這種方法在失速先兆檢測方面的可行性。李繼超等[47]提出了比較不同位置信號相似度的方法,進一步獲取了失穩起始點的位置信息。毛發金[48]使用概率分布函數改進了這一方法。Li等[49]對這種方法背后的原理做出了詳細的闡述。Dong等[50]基于這種方法評估了處理機匣對壓氣機穩定性的提升。

對于單個傳感器采集到的聲壓信號P,t時刻的信號相似度R(t)可以使用式(8)計算:

(8)

式中:dwnd為子段長度;tshaft為所要比較的2個子段的時間間隔。余弦相似度方法對信號的周期性較為敏感,李琳等[46]建議使用一個轉子周期作為時間間隔,子段長度可以根據計算量要求從一個葉片周期到一個轉子周期之間選擇[51]。

互相關方法使用在壓氣機周向布置的多個傳感器同一時刻的余弦相似度作為檢測參數。當壓氣機進入失穩狀態時,失速先兆會導致不同位置傳感器信號的差異。對于來自通道X與Y的2個信號,余弦相似度為

(9)

為了降低正常狀態下相似度波動導致的誤報,可以使用累計分布函數,將一段時間內相似度超過閾值的概率作為檢測指標,如式(10)所示,相較于R值,接近失穩狀態時,F(Rth)上升得更加平穩。

F(Rth)=P(R≤Rth)

(10)

基于相關性的方法計算方便,通用性更強。據報道,其已經在多次高速和低速壓氣試驗中得到成功應用[48,52-53],并且由于失穩先兆出現時也會引發相關性的波動,使得這種方法在預警速度上具有明顯優勢。但是當子段間隔或長度選擇不當,導致相位發生變化時,相似度可能發生波動。

3.4 基于統計分布特征的診斷方法

對于一些方法閾值難以確定的問題,李長征等[54]發現壓氣機出口總壓脈動的有效值服從正態分布,并據此提出了基于統計特征的喘振檢測方法,其流程如圖13所示,首先根據正常運行時的數據,估計信號的正態分布參數μ、σ,通過判斷當前壓力值是否超過μ±Cthσ給出預警。申世才等[55]發現轉速變化過程中的壓力參數波動會導致分布參數估計失敗,減小用于參數估計的樣本容量可以解決這一問題。隨后李長征等[56]又提出了一種聯合時域頻域特征喘振檢測方法,在時域上計算信號的方差,在頻域上計算信號的中心頻率,借助二維正態分布函數對這兩個參數開展檢測。

圖13 基于統計分布特征的失穩檢測方法[56]

3.5 基于頻域能量分布的診斷方法

借助頻譜分析信號的周期性或頻率特性進行檢測是故障檢測常用的手段。Aretakis等[15]發現0～0.9BPF頻率范圍的聲壓信號均方根幅值σ0.9X隨著壓氣機流量的降低呈現單調增加的趨勢。因此可以確定出區分穩定與失速、失速與喘振的閾值σL1與σL2,并建立起轉速與σL1、σL2的關系。通過判斷σ0.9X與當前轉速對應的σL1、σL2的大小,給出失穩預警,流程如圖14所示。李長征等[57]提出了基于低頻成分瞬時能量的失穩檢測方法。杜軍等[58]提出根據低頻能量與其余能量的比例檢測失穩的方法,如圖15所示,實現了對不同換算轉速下的軸流壓氣機喘振故障的診斷。這種方法無須設置閾值,更加適用于工程應用。

圖14 基于RMS的壓氣機故障診斷方法[15]

圖15 基于聲壓能量比的壓氣機故障診斷方法[58]

3.6 基于數據驅動的診斷方法

基于數據驅動的各種故障識別方法已經在很多場景取得了良好的效果,并有望應用于壓氣機氣動失穩故障的監測甚至預警,特別是失穩先兆監測這種微小特征識別任務。但由于試驗成本高昂、數據難以積累等原因,現有的研究大多基于低速風扇/壓氣機試驗器開展。Schulze等[59]基于離心壓氣機噪聲信號的轉頻能量、葉片通過頻率能量等特征,使用人工免疫算法對氣動失穩故障進行了診斷,實現了對于氣動失穩的提前預警。

Wang等[60-63]進行了數據驅動方法的一系列代表性研究工作,對包含外部擾動的微小且快速變化的失速動態信號進行了RBF神經網絡建模和動態模式快速識別,通過比較當前信號與不同失穩模式庫的殘差,實現了對短尺度Spike型失速的提前預警。另一些研究工作更聚焦于端到端學習,即直接將原始信號作為診斷模型的輸入,將診斷結果作為輸出。Hipple等[64]使用LSTM網絡基于多種傳感器信號開展了失速預測研究,指出使用回歸模型預測壓氣機的失穩,將失穩概率作為網絡的輸出獲得的結果更加準確。Quan等[65-66]提出了一種用于失穩預測的LR-WaveNet模型,模型的輸入為時序數據和時域特征,輸出為當前時刻對應的失穩概率,并通過與LR模型、WaveNet模型、LSTM模型進行對比驗證了所提出方法的預測精度與穩定性較好。

4 結束語

聲信號中包含了大量關于壓氣機工作狀態的信息。通過對聲信號的深入研究分析,有望研制出更加準確、靈敏的壓氣機故障診斷、監測和預警方法。通過對以上研究工作的介紹,主要得到以下結論。

① 壓氣機的各種氣動失穩形式都可以在聲信號上得到表征。相比于機匣外側,安裝在進氣道靠近氣流位置的傳聲器對氣動失穩故障的響應更加靈敏,信噪比更高。壓氣機進入氣動失穩時通常伴隨著聲信號幅值的增大,而這種幅值增大通常有氣動失穩相關的先兆特征,如模態波等。

② 基于上述信號變化特征,可以使用聲信號對壓氣機的失穩故障進行監測與預測,目前常用的方法主要關注聲信號時域幅值特征、頻段能量特征和信號周期性特征,基本實現了對于失穩的監測,但是對于特征更加微弱的失穩先兆監測能力有所不足。先進的信號處理方法,例如各種模態分解算法、智能方法有望為失穩預警提供有效手段。

③ 目前對于壓氣機聲學測量的研究仍存在一些局限,限制了聲學方法作為能夠在線診斷、健康監測的數據來源的可能。這種局限主要來源于:很多聲學試驗都是在實驗室或露天試車臺環境中開展,伴隨著嚴格的消聲措施與混響控制,而實際飛行條件下測得的聲信號可能包含了大量的噪聲與干擾。為解決這一問題,可能需要在傳感器的選擇與布局、聲源定位、降噪方法等方面開展進一步研究,提高信號的信噪比。

④ 對于數據驅動的失穩診斷方法數據量不足的問題,可能需要在充分認識氣動失穩機理的基礎上,探究借助數字孿生等手段,人工構造失穩信號數據。盡管廣泛收集來自各種型號的數據,構造通用的失穩監測預測模型較為困難,但對于某些重點型號,針對性地大量搜集試驗數據,構造數據集并訓練準確率更高的失穩監測與預警模型是有可能實現的。