神经网络用于风洞中压气机失速监控

旋转失速和喘振是严重影响轴流压气机性能的截然不同的两种气动不稳定现象。旋转失速和喘振均能引起转子和静子叶片振动及压气机内部温度急剧上升，在叶片上的大的动应力会引起严惩的机械破坏。对16英尺超音速风洞试验中压气机的3C3转子叶片，失速发生约10转（即1秒）后，失速产生的振动应力将达到对压气机产生机械危害的程度。旋转失速是16英尺跨音速风洞试验中C－1压气机中常见的不稳定现象；旋转失速在2转（0．2秒）时间内，产生一个应力峰值并逐渐衰减。显然，需要一个系统在出现失速征兆的瞬间能很快探测到并发出警告，该系统还具有自主修正能力。建立在多年实践观察基础上的开环技术已成为当前主要的监控模式，工程师可以采修正的操作以避免压气机进入失速。在控制系统中引入闭环防失速装置可使压气机工作点离开失速边界是人们最终的追求目标。实现对压气机失速的控制需要对开环和闭环模式的高速自动处理。神经网络用于数据分类、信号处理、对象建模及预测的一项新的信息处理技术。由于神经网络用于数据分类具有快速、精确及高抗噪性，因而，神经网络适合被选作对压气机不稳定性进行探测及监控研究。