高速涡轮泵实时振动监控算法与系统设计

涡轮泵是液体火箭发动机的故障高发部件之一,研究其实时振动监控算法及系统对提高发动机的可靠性与安全性具有非常重要的意义。在选择涡轮泵监控参数的基础上,深入研究涡轮泵实时故障检测算法,提出用于阈值更新的滑动样本递推方法,实现涡轮泵故障的自适应阈值检测,然后基于数字信号处理器设计涡轮泵新型实时振动监控系统,实现更高的处理速度,并满足小型化需求。     

关于撤销《液体火箭发动机涡轮泵非线性转子系统稳定性影响因素研究》一文的声明

<正>《推进技术》编辑部于2015年11月13日收到匿名举报,指出下列两文内容高度一致,涉嫌一稿多投:[1]液体火箭发动机涡轮泵非线性转子系统稳定性影响因素研究[J].推进技术,2013,34(10):1388-1397.[2]液体火箭发动机涡轮泵转子密封系统动力稳定性研究[J].宇航学报,2013,34(12):1557-1568.经CNKI科研诚信管理系统研究中心的科技期刊学术不端文献检测系统(AMLC)检测,文章[1]与[2]重复度     

涡轮泵实时故障检测的改进自适应相关阈值算法

1引言火箭发动机在飞行使用之前,需要分析试车振动数据以评估发动机的性能与状态[1]。涡轮泵是液体火箭发动机中最复杂故障概率最高的部件[2],而振动是涡轮泵故障的重要起因[3],因此,涡轮泵振动数据的分析显得尤为重要。目前,它的主要分析方法有时域统计[4]、频谱分析[5]、神经     

小型冲击式涡轮泵气动效率试验方法研究

小型冲击式涡轮泵产品高度集成,涡轮与泵叶轮同轴超高速运转,为涡轮气动效率的测试与获取带来难度。提出一种测试涡轮气动效率的试验方法,通过测量轴扭矩这一关键数据,得到轴系运转的机械功率,进而获取涡轮气动效率的准试验数据。具体测量过程中,将涡轮泵中负载端(泵)与输出功率端(涡轮)进行分体,实现了小型超高速涡轮运转状态下输出扭矩的测量。本研究丰富了涡轮泵产品的研制与试验手段,可为同类产品的研发提供借鉴。     

航天飞机主发动机高压燃料涡轮泵的故障模式

对航天飞机主发动机(SSME)高压燃料涡轮泵(HPFTP)的故障模式作了归纳总结,深入分析了HPFTP关键部件故障的问题及其解决办法.研究表明:①SSME的HPFTP故障模式与一次性使用液体火箭发动机液氢涡轮泵、航空燃气涡轮的故障模式存在很大的差异;②影响HPFTP寿命的重要故障模式是涡轮叶片的断裂与热防护装置的热机械疲劳故障;涡轮叶片的断裂主要由高温蠕变效应与高速旋转离心力所引起.HPFTP启动、关机瞬态效应对涡轮叶片的影响也很严重,在涡轮叶片寿命预估时必须考虑这些因素;③HPFTP次同步振动问题是SSME HPFTP设计初期面临的一个重要故障模式,主要由轴承与泵级间密封引起的;④启动隔离密封这类HPFTP专有密封件的故障模式也是HPFTP故障模式的重要组成部分.      

普拉特.惠特尼公司研制长期使用的涡轮泵

美国联合技术公司普拉特·惠特尼分公司(Pratt&Whitney)最近从NASA得到198万美元的合同,为航天飞机主发动机研制新的高压燃料和氧化剂涡轮泵。五年的替换涡轮泵研制(ATP)计划,要求普拉特·惠特尼公司研制高可靠性和长期使用的涡轮泵。这种涡轮泵必须在重点检修和大修前能完成30次飞行任务,有55次飞行的使用寿命。普拉特.惠特尼公司研制长期使用的涡轮泵@戴耀松~~     

转速波动状态下涡轮泵典型故障诊断方法

利用涡轮泵振动信号的变换域信息可有效地检测与诊断故障。针对涡轮泵转子叶片断裂与脱落这种典型故障,首先分析其出现的原因,并从动力学的角度研究其振动特征,选择可有效反映该故障的特征频率。然而,涡轮泵转速波动会造成这些特征频率提取的困难,为此提出一种解决此难题的新思路,通过一系列变换域处理来消除转速波动对振动频率的影响,在变换域中提取出稳定的特征频率,从而解决了涡轮泵转速波动状态下该型故障诊断问题。通过涡轮泵历史试车故障数据的验证表明,通过跟踪变换域中这些特征频率的幅值变化,可以有效检测与诊断涡轮泵转子叶片断裂与脱落故障。     

重复使用液体火箭发动机涡轮泵安全寿命预估方法

利用复杂系统寿命分布模型和故障树分析（FTA）理论建立了涡轮泵的安全寿命预估方法,并以航天飞机主发动机（SSME）高压液氢涡轮泵（HPFTP）的安全寿命预估为例,对该方法进行了说明。研究结果表明：(1)当待考核的HPFTP关键部件数大于10时,其寿命模型可以用指数分布近似表示,数目越多近似结果越可靠;(2)HPFTP的平均无故障工作时间（MTBF）为76 917 h,平均维修时间（MTTR）为8 879 h,0.998 8可靠度对应的安全寿命为25 575 s,可安全使用49次;0.999 6可靠度对应的安全寿命为8 521 s,可安全使用16次;安全使用11次对应的可靠度为0.999 7;(3)HPFTP涡轮叶片和喷嘴对应的关键重要度分别是0.217 5和0.216 6,集液器和叶轮对应的关键重要度都是0.174 2。该研究方法可为液体火箭发动机涡轮泵等复杂组件可重复使用性研究提供一定的参考。     

涡轮泵长程寿命的模糊可靠性设计和评估

根据涡轮泵的主要失效模式,建立了涡轮泵模糊可靠性设计方法。即对各部件进行模糊可靠性分配,再对涡轮叶片静强度、转子工作转速、转子轴疲劳强度、端面密封及轴承进行模糊可靠性设计,从而获得涡轮泵整机的可靠度。此处基于涡轮泵寿命服从威布尔分布,用模糊可靠性理论推导出涡轮泵长程寿命的可靠性评估公式。实例验算表明,评估值与预估值一致,设计与评估方法可行。     

对转涡轮特有叶型自动设计程序

作者曾为国家“七五”攻关课题完成了一套涡轮叶栅自动设计程序[1 ] 。在给定了叶栅进、出气马赫数 ,进气角与工质等熵指数后 ,此程序就能自动选择其它设计参数并计算出良好叶栅。但它是为常规涡轮叶型而编制的 ,未包括对转涡轮所特有的进、出气向量均在轴向同一边的叶栅 (见图 1下半 ,本文简称为小折转叶栅 ) [2 ] 。本文将此自动设计程序推广到对转涡轮 ,叙述了相应的物理考虑与数学处理 ,且给出多个算例。1　对小折转叶栅的特别考虑　　上述自动设计程序是用中心流线法解析解编制的。有关此法可详见文献 [3]。主要的设计自变参量是相对栅…     

涡轮泵实时故障检测短数据均值自适应阈值算法

为了实时监控液体火箭发动机涡轮泵的状态，提高其安全性，降低其故障带来的破坏程度，提出了短数据均值自适应阈值算法(SDM—ATA)，建立了实时故障检测的统计学模型、研究了阈值区间均值与方差的自适应计算及其带宽系数的自适应训练、故障综合决策逻辑，以及故障数据对阈值贡献的踢除等方法，并利用某型火箭发动机地面试车涡轮泵振动测量数据和某型转子试验平台实时测量数据对该算法进行离线和实时在线故障检测试验验证。结果表明，SDM—ATA没有发生误检测情况，并具有实时故障检测的能力。     

涡轮泵振动参数与统计特征量的线性相关性分析

为了剔除冗余的振动参数和统计特征量，提高涡轮泵故障检测的实时能力，建立了线性相关性假设检验模型。利用该假设检验模型和某型液体火箭发动机的历史试车数据，检验了7路涡轮泵振动参数以及13种常用统计特征量的线性相关性，并分析了统计特征量对涡轮泵故障的敏感性和稳定性，以及涡轮泵振动数据的正态性。数据统计分析表明，大部分涡轮泵振动参数以及统计特征量显著线性相关，幅值统计特征量的故障敏感性弱，但稳定性强，而无量纲统计特征量的情况恰好相反，并且正常涡轮泵振动数据服从正态分布，而异常涡轮泵振动数据不再服从正态分布。据此，为涡轮泵故障检测选择了线性相关性弱，故障特征反映能力强的3路振动参数和3种统计特征量。     

涡轮泵试车数据单类支持向量机检测算法

为了在缺乏故障样本的情况下检测某型液体火箭发动机涡轮泵故障,实现基于不完整信息的状态决策,建立了基于v-支持向量分类器的单类支持向量机新异类检测模型。在分析了模型决策边界、支持向量和约束条件之间关系的基础上,为单类支持向量机引入并改进了序贯最小优化算法,提高了训练效率,解决了大样本训练问题。通过对某型液体火箭发动机涡轮泵历史试车数据的分析,结果表明,所建模型的训练速度得到了很大提高,对涡轮泵状态的检测效果良好。     

液体火箭发动机地面试车故障检测的自适应阈值算法

提出一种自适应阈值故障检测算法,其检测阈值由实时估计的参数均值、标准差及由训练算法得到的带宽系数计算。用某发动机22次点火试验的试车数据进行离线故障检测,结果表明其综合性能优于红线系统和SAFD算法。     

涡轮泵启动过程振动故障检测方法

为了更全面地保证液体火箭发动机涡轮泵的安全,提出了一种针对其启动过程的振动故障检测方法,首先对等时间隔采集的振动数据进行重采样,获得等角间隔的振动数据,消除转速变化对振动特征的影响,选择并计算振动特征值,最后采用支持向量回归方法建立振动特征与转速的非线性关系模型.当新的测试数据偏离模型一定限度时,表明涡轮泵工作异常.2.2 s试车数据的检测时间只有0.0470 s,说明模型可用于涡轮泵启动过程故障检测.      

基于时序分析的液体火箭发动机实时故障监测算法

建立ＡＲ模型对液体火箭发动机状态测量参数构成时间序列进行分析，并构造相应的信息距离差别函数进行状态监测。对某次试车的测量参数进行状态监测仿真表明，利用时序分析算法能够在满足实时条件下早期检测出发动机的故障。在算法中，使用了Ｋｏｌｌｂａｃｋ－Ｌｅｉｂｌｅｒ信息距离函数作为判别函数，使得整个计算简单而可靠。     

基于K-L信息测度的液体火箭发动机的泄漏故障检测

液体火箭发动机的泄漏是常见和极其危险的故障。研究快速有效的泄漏故障检测方法,是一个很重要迫切的课题。本文针对已有发动机的状态监测参数,建立ＡＲ模型进行时间序列分析,利用Ｋ－ Ｌ信息测度作为判别函数来检测发动机的泄漏故障。仿真结果表明,这种泄漏故障检测的方法是切实可行的。