模式之间的关联是精良的，即，工厂叶片频率比与基于主探针的旋转叶片频率比之间的相关系数是97.4%，与备用探针的相关系数是97.7%。结果是，从模式匹配认识到，在转子上的第一缝隙位置中的叶片对应于对主探针测量的第34个叶片和对备用探针测量的第35个叶片。从而，可以将从频率响应数据提取的叶片频率比的变化与转子上的特定叶片相关。如果检测到损坏的叶片，则这是非常有用的信息，因为根据转子整体的振动特性已知了该叶片在转子上的物理位置。
[0067]最后，工厂频率比与所识别的旋转频率比之间精良的关联具有另一非常重要的启示。根据将降阶模型拟合至频率响应数据所推出的频率比变化直接关联于在叶片在工厂中被个别地测试时将看到的频率变化。结果是，显然该方法在该级旋转期间识别了直接与各个叶片的物理状态相关的频率变化。
[0068]图3B和3C的步骤4包括计算各个叶片的叶片频率值。在该示例中叶片的频率比A cok可以通过式⑴定义。步骤3可以识别叶片的频率比或者其可以识别各个叶片的物理频率。在后一种情况中，式(1)被用于根据各个叶片频率计算叶片频率比。下面是一个示例性情景，用来示出本发明的操作，其中在此示出的具有创造性的示例具有改进很大的结果，并且该改进的幅度明显是意想不到的。
[0069]基于所测量的振动数据执行分析。该工作得到了用于叶片组的一组基准旋转频率比(阶段A-建立叶片频率比的基准组)。发电单元为规划的检查而关断，并且检测到了有裂缝的叶片。恰好在关断前测量了振动数据(阶段B-找出在一个或多个未来时间点上的叶片频率比的新的值)。该数据随后被分析以看叶片频率比是否有显著变化(阶段C-计算各个叶片的频率比中的指示该叶片的劣化、即裂缝的变化)。
[0070]利用本发明的方法，分析振动数据并且计算频率比从基准数据到当前数据的变化。基于该分析，两个叶片的频率比具有显著变化-位于叶片缝隙11和24中的叶片。所确定的是，它们是具有大至能用该方法检测到的裂缝的叶片。然后通过物理检查确定到，叶片11和24是仅有的具有大尺寸裂缝的叶片(在另一些叶片中的裂缝约小10倍)。叶片11和24被非破坏性地检验，从而可以测量裂缝的尺寸。两个叶片具有相似的裂缝。事实上发现，叶片11和24中的裂缝与将导致叶片实际上分离的裂缝尺寸相比是小的，因此表示，该具有创造性的方法能在叶片中的不连续性引起逼近的分离风险之前有效识别这种不连续性。
[0071]作为后继工作，来自相同机器的振动数据对于一系列日期被使用，以确定叶片的频率如何随时间帧而逐渐变化。分析的结果在图11中示出。图11提供了对在阶段Α-c中描绘的方法的良好图示。
[0072]阶段A-建立叶片频率比的基准组:一次或多次使用步骤1-4 (图3B)，以建立叶片频率比的基准组。该信息被用于限定用于该叶片组的初始频率比并且用于估定在频率识别过程中的随机噪声水平。在该示例中，从相距一个月的两个日期取得振动数据并且将其用于计算叶片的频率比。频率比的三个值被求平均以建立用于每个叶片的叶片频率比的基准值。
[0073]阶段B-找到在一个或多个未来时间点上的叶片频率比的新值:随后，使用步骤1-4(图3C)来确定用于每个叶片的频率比。在该示例中对于多个随后的日期计算频率比。
[0074]阶段C-计算各个叶片的代表叶片劣化、即裂缝的频率比变化。各个叶片的频率比变化是通过将叶片频率比的新的值从叶片频率比的基准组减去而计算的。频率比与基准值组的差异对于每个日期被计算。结果与额定叶片频率相乘以将频率比的变化转换为叶片频率的变化。所得的值然后在图11中绘制。从这些结果确定出，叶片频率比的与对于随机噪声建立的水平相比更大的变化指示了叶片物理状态的变化并且可以指示叶片的劣化(裂缝)。
[0075]从图11清楚看到的是，测量过程中的随机噪声大约为0.ΙΗζο还清楚的是，2011年10月(第一随后日期)后，叶片11和24示出了具有明显较低频率的清楚的连贯趋势。从而图11中绘出的数据强烈地指示出，叶片11和24改变了其物理状态。
[0076]除了示出包括在该过程中的步骤，图11中提供的信息还指示对于其实现为健康状况监视工具的实用方法。因为检查在该单元运行时已经可以完成，甚至按恒速运行时，所以它可以按有规律的间隔来完成。因为该方法可以检测相对小的裂缝，所以其对于在大量检查上观察数据是实用的，并且确认叶片频率变化事实上是趋势而不是噪声。因此，该手段不仅提供了用于检测叶片损坏的灵敏方法，还提供了不太可能误报的方法，即，不太可能当事实上叶片未被损坏时确定出叶片被损坏了。
[0077]如可以从前文理解的，本发明的系统和方法可以在监视叶片健康状况和识别裂缝方面非常有利。在此描述的系统和方法的各种实施例是有用的和有成本效益的，因为这些实施例不需要将旋转机器停工。
[0078]根据本发明的一个或多个实施例，描述了有利于改进对于旋转机器的叶片诊断测试和健康状况监视的结构布置和/或技术。在详细描述中，描述了不同的特定细节以提供对这种实施例的透彻理解。然而，本领域技术人员将理解，本发明的实施例可以无需这些特定细节地实践，即，本发明并不限于所描绘的实施例，并且本发明可以在多种替选实施例中被实践。在其它情况下，并未详细描述本领域技术人员将熟悉的方法、程序和部件，以避免不必要和冗繁的解释。
[0079]此外，可以将各种操作描述为按照有利于理解本发明的实施例的方式执行的多个离散步骤或者流程图。然而，描述的顺序不应被理解为用于暗示这些操作需要按照它们被呈现的顺序来执行，也不应理解为它们甚至是取决于顺序的。此外，重复使用词组“在一个实施例中”并不一定指相同的实施例，尽管它们可能指相同实施例。最后，如在本发申请中使用的术语“包括”、“包含”、“具有”等为同义，除非按其它方式被指示。
[0080]宽泛地说，本发明提供了用于旋转机器的叶片诊断测试和健康状况监视的方法、系统、设备和非暂时性的有形计算机可读介质。本发明的实施例提供用于根据由叶片振动监视设备生成的数据确定各个叶片旋转自然频率，以允许在叶片旋转期间处理和检测叶片的劣化。
[0081]本发明可以按照多种方式实现，包括系统、设备/装置、计算机实现的方法或者包含用于执行该方法的指令的、非暂时性的计算机可读介质。作为一个系统，本发明的一个实施例包含传感器、存储器、输入/输出设备、处理器单元、通信机构和可选的显示设备和/或可选的数据库。本发明的方法可以借助具有其上的代码的非暂时性计算机可读介质实现为计算机程序产品。作为设备，本发明可以包括根据本发明的步骤编程过和/或运行的电子设备。
[0082]本发明的一个附加实现包括将包括在该过程中的所有或部分步骤自动化。该过程的完全自动化可以涉及计算机和/或处理设备，其:控制测量过程和用以进行测量的频率；自动计算叶片的频率响应；自动计算叶片的频率比变化；并且检测叶片频率比的显著变化。它可以自动提供对叶片的状态进行描述的报告和/或在看似出现问题时警告操作者。用于该目的的计算机可以在物理上位于叶片被监视的地点或者可以位于远程位置并且通过使用因特网或其它通信手段来提供服务。在飞机引擎的情况下，计算机可以位于飞机上以将近乎即时的反馈提供给飞行员。
[0083]将理解的是，从在此描述的方法和系统获得的数据可以被处理为合适的格式以展示变化或偏移。由处理器执行的计算机代码可以解释所报告的趋势或偏移并且将发现告知或警告操作者。不同类型的预处理逻辑可以用于识别偏移或趋势。原始数据信号可以随着被采集而被处理。一些预处理步骤可以包括以用于进行中的数据采集的统计显著性来连续更新行进中的平均值。这可以建立基准以用于各个更新过的数据组的比较。与该基准的偏移可以引起专家系统的关注和处置。历史平均值可以被周期性地存储以用于长期趋势和监督系统处置。通过连续监视运行状态，剩余的寿命可以被预测。该系统可以提供对于临界裂缝情况的警告。警告可以仅当发生迫近的损坏或分离时告知操作者。该系统还可以提供用于连接至标准跳闸控制设备的警告信号输出以用于自动跳闸选项。
[0084]将理解的