[发明专利]基于叶尖定时和随机森林的叶片裂纹在线测量方法

说明书

本发明涉及一种基于叶尖定时和优化随机森林模型的叶片裂纹在线测量方法，在旋转机械的机匣不同位置设置多支叶尖定时传感器，通过叶尖定时传感器测量叶片到达每支叶尖定时传感器的到达时间，求得叶片叶片振动数据；结合旋转机械工况模拟试验台，测得模拟工况下无裂纹叶片和有裂纹叶片的振动数据，将无裂纹叶片的振动数据标记为正类样本，有裂纹叶片的振动数据标记为负类样本；将正、负类样本进行样本均衡后送入随机森林分类器进行训练，利用网格搜索和袋外误差验证方法进行随机森林分类器的超参数优化，建立优化随机森林分类模型；通过优化随机森林分类模型对运行工况下的叶片振动数据进行实时分类，实现旋转机械全级叶片裂纹的在线测量。

技术领域

本发明属于旋转机械状态监测领域，特别是基于叶尖定时和优化随机森林模型的叶片裂纹在线测量方法。

技术背景

大型旋转机械包括航空发动机和汽轮机等大型设备，是航空航天领域中的各类军用、商用航空器以及工业领域的发电机组和蒸汽机组等关键设备的核心部件。尤其是叶片作为旋转机械做功的核心元件，其工作状态直接影响这些关键设备的工作效率和安全稳定运行。旋转机械叶片的工作环境非常恶劣，长时间处于高应力、高低温或高冲刷等严酷条件。这些外界条件对大型旋转机械的叶片会产生复杂的周期性或非周期变化应力，当应力超过叶片材料的屈服强度极限时会导致叶片产生裂纹，进而可能发生叶片断裂。叶片裂纹是导致大型旋转机械故障的主要原因之一，因此准确测量叶片的振动参数并在线测量叶片是否产生裂纹，可以对叶片故障进行实时预警，对航空发动机和汽轮机等重大旋转机械的研发测试、状态监测和故障诊断具有非常重要的实际意义。

基于叶尖定时原理的旋转叶片振动测量技术^[1-3]是典型的非接触式测量方法，基本原理是将一定数量的传感器设置在旋转机械的机匣上，测量每支叶片旋转经过传感器时的到达时间，利用相关数学算法实现振动位移、振幅和振动频率等叶片振动参数的在线测量。与传统的离线式叶片状态检测方法和应变片法、频率调制法和声响法等在线检测方法相比，叶尖定时技术具有非接触、实时在线和可测量全部叶片等优点，具有很好的工程实用性。随机森林^[4]是一种集成学习的机器学习方法，以决策树为基学习器，结合随机有放回采样^[5]并在决策树的学习过程引入了特征差异，与传统的机器学习分类方法相比具有更好的泛化能力^[4]。因此，通过叶尖定时技术获得正常叶片和有裂纹叶片的振动数据后，利用随机森林分类器进行训练，通过网格搜索和袋外误差验证方法进行随机森林分类器的超参数优化，建立优化随机森林分类模型，进而实现旋转机械实际运行工况下全级叶片裂纹的在线测量。

目前，对于旋转机械全级叶片的裂纹测量均依靠离线检测技术，无法满足大型旋转机械在线测量全级叶片裂纹的实际需求。

[1]欧阳涛.基于叶尖定时的旋转叶片振动检测及参数辨识技术[D].天津大学,2011.

[2]赵行明,滕光蓉等.叶尖定时旋转叶片振动测量新技术[J].测控技术,2006(03):17-19.

[3]王萍.叶尖定时方法在国外航空发动机叶片振动测量中的应用综述[J].航空科学技术,2013(06):9-13.

[4]Breiman L.Random Forests[J].Machine Learning,2001,45(1):5-32.

[5]Johnson R W.An Introduction to the Bootstrap[J].TeachingStatistics,2001,23(2):49-54.

发明内容

本发明的目的是针对上述现有技术存在的不足，提供一种基于叶尖定时和优化随机森林模型的叶片裂纹在线测量方法，通过叶尖定时技术获得无裂纹叶片和有裂纹叶片的振动数据，利用随机森林方法进行有、无裂纹叶片的分类训练并建立优化随机森林分类模型，实现工作状态下旋转机械全级叶片裂纹的在线测量。本发明的技术方案如下：