離心壓氣機(jī)失穩(wěn)過程是一個非常復(fù)雜的動態(tài)過程,提高離心壓氣機(jī)運(yùn)行的可靠性需要準(zhǔn)確獲取失穩(wěn)過程的時頻特征。針對帶無葉擴(kuò)壓器的高速離心壓氣機(jī)失穩(wěn)過程中葉輪出口的動態(tài)壓力數(shù)據(jù),采用時空本征模態(tài)分解（STIMD）算法和經(jīng)驗?zāi)B(tài)分解（EMD）算法進(jìn)行分解,得到了多個本征模態(tài)函數(shù)（IMF）,并結(jié)合Hilbert變換對不穩(wěn)定流動的動態(tài)特征進(jìn)行分析。結(jié)果表明,STIMD算法得到了深喘和淺喘的時頻信息,觀察到了頻率在150 Hz附近持續(xù)波動的失速現(xiàn)象,并捕捉到了淺喘先兆的頻率曲線由抖動向恒定的過渡過程。STIMD算法改善了EMD的模態(tài)混疊問題,為壓氣機(jī)失穩(wěn)分析提供了一種工具。 

【文章來源】：航空動力學(xué)報. 2020,35(08)北大核心EICSCD

【文章頁數(shù)】：9 頁

【部分圖文】：

仿真信號的EMD結(jié)果

1 離心壓氣機(jī)失穩(wěn)信號本文使用的動態(tài)壓力數(shù)據(jù)來自某帶無葉擴(kuò)壓器的高速離心壓氣機(jī)實(shí)驗[17],在壓氣機(jī)上6個徑向位置(圖1中數(shù)字1～6)共布置了32個動態(tài)壓力測點(diǎn),如圖1所示,選擇葉輪出口的4個測點(diǎn)(記為P1、P2、P3、P4)測得的動態(tài)壓力信號進(jìn)行分析。使用Kulite動態(tài)壓力傳感器XCE-093-50A、采集卡NI-9215和配套機(jī)箱cDAQ-9188進(jìn)行高速采集,采樣頻率設(shè)置為60 kHz。從阻塞工況開始逐漸關(guān)小閥門,每個閥門開度下穩(wěn)定一段時間后再進(jìn)行數(shù)據(jù)采集。在最小流量工況下繼續(xù)關(guān)小閥門后實(shí)驗系統(tǒng)發(fā)出低頻巨響,即壓氣機(jī)進(jìn)入深喘,迅速進(jìn)行退喘動作,期間動態(tài)壓力傳感器監(jiān)控了整個過程。圖2所示為無量綱化的離心壓氣機(jī)靜總壓比曲線,標(biāo)注出了深喘工況和最小流量工況。

本文使用的動態(tài)壓力數(shù)據(jù)來自某帶無葉擴(kuò)壓器的高速離心壓氣機(jī)實(shí)驗[17],在壓氣機(jī)上6個徑向位置(圖1中數(shù)字1～6)共布置了32個動態(tài)壓力測點(diǎn),如圖1所示,選擇葉輪出口的4個測點(diǎn)(記為P1、P2、P3、P4)測得的動態(tài)壓力信號進(jìn)行分析。使用Kulite動態(tài)壓力傳感器XCE-093-50A、采集卡NI-9215和配套機(jī)箱cDAQ-9188進(jìn)行高速采集,采樣頻率設(shè)置為60 kHz。從阻塞工況開始逐漸關(guān)小閥門,每個閥門開度下穩(wěn)定一段時間后再進(jìn)行數(shù)據(jù)采集。在最小流量工況下繼續(xù)關(guān)小閥門后實(shí)驗系統(tǒng)發(fā)出低頻巨響,即壓氣機(jī)進(jìn)入深喘,迅速進(jìn)行退喘動作,期間動態(tài)壓力傳感器監(jiān)控了整個過程。圖2所示為無量綱化的離心壓氣機(jī)靜總壓比曲線,標(biāo)注出了深喘工況和最小流量工況。圖3給出了測點(diǎn)P1處深喘前后的動態(tài)壓力時域曲線,以葉輪旋轉(zhuǎn)一周的時長為時間基準(zhǔn)(T),深喘發(fā)生時刻為零點(diǎn)[18]。圖3(b)為進(jìn)喘過程,可以看到壓氣機(jī)經(jīng)過不斷增強(qiáng)的淺喘周期后進(jìn)入深喘,深喘的頻率為8 Hz。圖3(a)所示為一個深喘周期,可以看到喘振波在2～18T的范圍內(nèi)同時存在低頻和高頻信號,系統(tǒng)進(jìn)入“崩潰”狀態(tài)并發(fā)生回流,在40～70T系統(tǒng)進(jìn)入“恢復(fù)”階段,沒有明顯的高頻信號。最小流量工況下關(guān)小閥門進(jìn)入深喘的動態(tài)過程記為深喘前工況。圖3(c)和圖3(d)分別為深喘前300T和-80～-40T的時域曲線,可以更清楚地看到淺喘特征。

【參考文獻(xiàn)】：
期刊論文
[1]Application of Stall Warning Approach with Stall Precursor-Suppressed Casing Treatment on a Two-Stage Compressor[J]. XU Ruize,SUN Dakun,DONG Xu,LI Fanyu,SUN Xiaofeng,LI Jia.  Journal of Thermal Science. 2019(05)
[2]基于Hilbert-Huang變換的金融收益政策風(fēng)險因子識別方法[J]. 李祥飛,沈書立,凱斯·布爾斯馬.  運(yùn)籌與管理. 2018(08)
[3]壓氣機(jī)旋轉(zhuǎn)不穩(wěn)定性的周向模態(tài)特性及其分解方法[J]. 姚丹,田杰,歐陽華,王昊,吳亞東.  航空動力學(xué)報. 2018(02)
[4]基于模態(tài)波理論的壓氣機(jī)失速先兆識別方法[J]. 劉俊杰,蘇三買,孫占恒,翟向博.  航空動力學(xué)報. 2017(09)
[5]基于希爾伯特-黃與小波變換的壓氣機(jī)失速信號分析方法[J]. 向宏輝,侯敏杰,楊榮菲,葛寧,劉志剛,吳晨.  燃?xì)鉁u輪試驗與研究. 2015(05)
[6]基于HHT的航空發(fā)動機(jī)氣動失穩(wěn)信號時頻分析方法[J]. 郭貴喜,王振華,王洪祥,高輝國,薛秀生.  航空發(fā)動機(jī). 2013(03)
[7]組合壓氣機(jī)旋轉(zhuǎn)失速特征的小波分析[J]. 單曉明,姚崢嶸,岳林,黃金泉.  航空動力學(xué)報. 2012(05)
[8]經(jīng)驗?zāi)B(tài)分解中虛假模態(tài)分量消除法[J]. 黃迪山.  振動.測試與診斷. 2011(03)
[9]基于統(tǒng)計特征的軸流壓氣機(jī)喘振檢測[J]. 李長征,熊兵,韓偉.  航空動力學(xué)報. 2010(12)



本文編號：3300170