摘要：叶顶位移的精确测量是叶尖定时(BTT)技术应用于旋转叶片振动模态重构和实时状态监测的基础.设计了 一套基于激光位移传感器的高精度BTT标定装置,在实验中直接获取叶顶位移的时域标定数据,并以此确定了转速波动是叶顶位移测量误差的主要来源之一.在此基础上,提出了局部5阶拟合的转速波动修正方法以提升BTT测量精度,并在标定装置上完成实验验证.结果表明:局部5阶拟合的转速波动修正方法在不同工况下均能有效提高BTT测量准确度.在旋转叶片非线性升转状态下测量误差最高降低90%;在恒定转速条件下误差可以降低38%至63%.将该算法应用在一台单级轴流压气机的实验数据中,修正的误差达0.4mm,有效降低了 BTT技术实时测量叶顶位移量的不确定度.

摘要：基于任意角度压缩感知(CS)方法分析了传感器安装角度偏差对风扇/压气机周向模态识别重构的影响,设计了一套自适应角度优化程序修正重构误差。利用数值试验探究了传感器角度偏差和数量对周向模态重构结果的影响,研究表明:当角度偏差等级为2.5%时,平均重构误差达到10%以上,若保证重构误差基本不变,将传感器数量从7个增加至25个,仅可以将角度偏差等级放宽至4%。而采用小生境微种群遗传算法进行自适应角度优化,在20 dB信噪比下,通过自适应角度优化可将角度偏差等级从2.5%放宽至10%,降低了传感器安装的精度要求。成功优化了一款冷却风扇在前三阶叶片通过频率下的主要周向声模态重构幅值。自适应角度优化算法有效提升了基于压缩感知的风扇/压气机周向模态重构可靠性。

摘要：为增强基于任意角度压缩感知(CS)叶尖定时信号(BTT)重构的稳定性,采用小生境微种群遗传算法提出了基于小条件数的高稳定性传感器安装布置方法。研究发现:任意角度CS的恢复矩阵条件数越小,不同信噪比下同步和非同步振动信号重构误差越趋于稳定在较低范围,优化后发现条件数为1的排布方案下,相邻传感器角度间隔趋向于均布2m取K的形式。利用条件数为1的矩阵冗余特性,设计了高可靠性的传感器排布方案,数值试验和有限元仿真验证表明叶尖定时系统在失效一个传感器的情况下仍可稳定得到准确的重构结果。在信噪比为5 dB时,冗余排布相比参考排布的主倍频幅值重构误差降低4.4%以上,验证了采用最小条件数排布的任意角度CS信号辨识方法在噪声及传感器失效情况下仍可保证BTT测量结果的有效性和可靠性。

摘要：为了实现对压气机叶片的优化,提出了一种基于曲率分布控制的前缘造型方法,实现了对叶型前缘曲率的直接、精确控制。将该造型方法应用于某工业级压气机的可控扩散叶型(CDA)上,通过数值仿真方法计算了叶型在设计来流马赫数下的全攻角工况性能。结果显示增加前缘曲率能有效拓宽许用攻角范围,减小尖峰扩散因子,在相同攻角下能削弱前缘吸力峰,抑制甚至消除前缘分离泡,避免提前转捩的发生。同时,调整曲率分布使其在靠近前缘点处尽可能"饱满"、减缓曲率下降速度,也有同样的效果。理论分析发现前缘曲率通过调整静压分布影响边界层发展起始流态,从而影响叶型性能。设计前缘几何形状时需要确保曲率连续性,调整曲率分布以减小前缘吸力峰的强度,避免分离诱导转捩的出现。