用于监视旋转叶片的健康状况的方法和系统的制作方法
【专利说明】用于监视旋转叶片的健康状况的方法和系统
[0001]本申请要求于2012年7月25日提交的美国临时专利申请61/675，707的权益，其通过引用包含在本申请中。
技术领域
[0002]本发明大致涉及诊断测试领域，并且更确切而言涉及用于旋转机器的叶片诊断测试领域。
【背景技术】
[0003]在旋转机器运行期间叶片从其转子分离会导致对机器的严重损坏，并且可能对人员是灾难性的。此外，可能出现在叶片中的裂缝会在机器运行期间增大至临界长度，并且会导致叶片的分离，造成机器损坏。
[0004]期望降低叶片分离的可能性。出于该目的，常规做法是对旋转机器中的叶片进行周期性的、非破坏性的检验。曾用于这种非破坏性检验的方法包括视觉检查、磁粒子检查、荧光穿透检查、涡流检查、超声定相阵列检查以及声学温度记录检查。这些非破坏性检验技术的常规应用需要涡轮机转子在检查期间静止。
[0005]即使在这种周期性的、静态的非破坏性检验期间没有检测到裂缝，这种裂缝也可能在这种检验之间出现并且增大至临界尺寸。为了应对这种可能性，已知在线系统和方法来在机器运行期间监视叶片，例如在题为“Infrared-based Method and Apparatus forOnline Detect1n of Cracks in Steam Turbine Components” 的美国专利 7，432，505 中描述的。按照该方式，可以采用分析和决策系统来在诸如涡轮机的旋转机器的运行方面汇总数据和作出决策。
[0006]在线监视的一个潜在方法基于如下观察，S卩，裂缝在叶片中的出现会改变硬度，并且从而改变叶片的自然频率。已知这样的方法，其中，例如可以利用应变仪或叶尖定时测量，根据时间测量叶片的振幅。这种幅度测量可以利用例如FFT技术从时域转换到频域。这种技术被应用来对于叶片行分析数据，其中相继考虑各个单独叶片。
[0007]已经提出过将这种所估定的叶片频率的暂时变化用于检测叶片裂缝的方法。这种方法被发现并非是鲁棒性的。对于许多有用的应用，在不同时间和不同运行条件下对于相同行的无裂缝的叶片所估定的频率的改变被发现是与由大尺寸裂缝的出现造成的频率变化处于相同量级中。
[0008]所估定的频率的改变源于甚至在理论上相同的叶片的行中也会存在的振动行为复杂性。对于单个叶片而言，振动的每个基本模式，例如烧曲(flex bending)模式，具有单个的相关固有频率。然而一行“η”个这种叶片，对于振动的每个基本模式就存在“η”个这种固有频率，每个这种固有频率都与一个不同的波节直径相关。
[0009]在真实的叶片行中，每个个别的叶片的振动特性不同。理解这种类型的复杂叶片系统的行为在文献中称作失调的活跃研究领域。
【发明内容】
[0010]从而，现有技术中需要对于旋转机器的改进的叶片诊断测试方法。本发明设计为处理这种需要。
【附图说明】
[0011]在下面鉴于附图的描述中解释本发明，其中:
[0012]图1是转子组件的部分的示意图。
[0013]图2是实现了一个实施例的方面的、示例性的计算机执行的叶片健康状况监视系统。
[0014]图3A-3C是示出了一个实施例的方面的运行的流程图。
[0015]图4是根据一个实施例的方面提取自颤动数据的叶片频率响应的图示。
[0016]图5是根据一个实施例的方面的四个样本叶片的频率响应的图示。
[0017]图6是根据一个实施例的方面的、通过降阶模型与频率响应数据的最佳拟合确定的参数的图示。
[0018]图7是根据一个实施例的方面的、四个代表性叶片对于两种不同类型的激励的频率响应的图示。
[0019]图8是根据一个实施例的方面的、通过叶片数目识别的频率比的图示。
[0020]图9是利用峰值响应方法明显改变叶片频率的图不。
[0021]图10是根据一个实施例的方面的、作为排列过的叶片缝隙数目的函数的频率比的图示。
[0022]图11是根据一个实施例的方面的、作为时间的函数的叶片频率变化的图示。
【具体实施方式】
[0023]如在图1中所示，转子组件10的一个示例包括盘或轮轴12，以及至少一行按圆周间隔的转子叶片14。叶片14可以与盘12整体地(如所示出)成型或者与其分离地成型，如果单独地，则可以在每个叶片14根部(未示出)附接至盘12。在此提及的转子组件可以包括在旋转设备中使用的那些，该旋转设备诸如飞行器引擎、导弹、电扇、发电设备、栗、叶轮、用于海军应用的螺旋桨以及风能发电单元。示例性的汽轮机系统可以包括压缩机、燃烧室和附接至转子的多个涡轮叶片。
[0024]跳至图2，示出了本发明的一个实施例的方面的示例性计算机执行的系统包括叶片振动监视装置20，以便在诸如压缩机或汽轮机或蒸汽轮机的涡轮机运行期间获得转子组件10的振动数据。这种数据可以根据本发明的方面经由诸如计算机的处理装置30来处理，以监视叶片的状态(或健康状况)。通过将降阶模型40拟合至对于各个叶片从振动响应数据提取的频率响应数据，经由处理装置30找出关于叶片频率的识别信息(例如来自频率响应数据的一个或多个性质)。这些数据被处理以监视和报告叶片的健康状况，包括趋势。
[0025]图3A-3C描绘了实现本发明的一个实施例的方面的流程图。
[0026]在一个实施例中，该方法进展经过三个基本阶段，如图3A中所示。第一阶段(阶段A)包括建立叶片频率值的基准组100。该信息被用来限定叶片组的初始频率值，并且估定频率识别过程中随机噪声的水平。下一阶段(阶段B)包括找到未来的一个或多个时间点上的新的叶片频率值200。最终阶段(阶段C)包括典型地经由处理器对于各个叶片计算叶片频率值变化，其中，此后确定，叶片频率值的、比对于随机噪声建立的水平大的变化指示着叶片物理状态的变化并且指示着叶片的劣化300。该信息然后被用于诊断和健康状况监视，包括趋势。
[0027]转到图3B，详细示出建立叶片频率值的基准组的阶段A 100，包括步骤1-4。该阶段包括:在时间区间上测量叶片的振动响应和/或接收叶片的振动响应的测量102 ;将振动数据作为旋转叶片的系统来处理，以提取各个叶片的频率响应104 ;通过例如经由处理器将降阶模型拟合至频率响应数据来识别与叶片频率有关的信息/参数106 ;对于各个叶片计算叶片频率值108 ;以及重复这些步骤直至建立所期望的基准。
[0028]转到图3C，详细示出找出在一个或多个未来时间点上的新叶片频率值的阶段B200，包括步骤1-4。该第二阶段主要包括与第一阶段相同的步骤，S卩，在时间区间上测量叶片的振动响应和/或接收叶片的振动响应的测量202 ;将振动数据作为旋转叶片的系统来处理，以提取各个叶片的频率响应204 ;通过例如经由处理器将降阶模型拟合至频率响应数据来识别与叶片频率有关的信息/参数206 ;对于各个叶片计算叶片频率值208 ;以及对于期望数目的时间点重复这些步骤。
[0029]在本发明中，将振动数据作为旋转叶片的系统来处理，例如其中该系统包括至少一整行旋转叶片。按照该方式，通过与轮流单个地考虑各个叶片的现有技术相反地利用将叶片行当做复杂系统的失调分析技术来周期性地分析整行叶片，估定各个叶片的频率的潜在时间变化。
[0030]由本发明教导的该方法，虽然计算上复杂和具有挑战性，但被发现能够可靠地检测到比利用现有技术的方法能检测到的小得多的叶片裂缝。此外，由本发明教导的方法被证实检测到比对于叶片从转子的机械分离的临界尺寸小得多的叶片裂缝。
[0031]通过应用其中所提取的频率是函数的自变量的函数来获得叶片频率值。在一个示例中，该函数包括叶片频率比。该比可以例如是各个旋转叶片的所提取频率与所提取频率的均值之比。替选地，该比可以是，各个旋转叶片的所提取频率和所提取频率的平均值的差