基于小波分析的發動機慣性起動失速信號檢測方法研究

夏輝，吳鋒

(中國燃氣渦輪研究院，四川江油621703)

基于小波分析的發動機慣性起動失速信號檢測方法研究

夏輝，吳鋒

(中國燃氣渦輪研究院，四川江油621703)

針對某型渦扇發動機慣性起動失敗，利用小波Mallat算法對采集到的風扇和壓氣機脈動壓力信號進行快速高頻濾波，通過對濾除高頻噪聲的信號進行傅里葉頻譜分析，準確檢測出發動機起動失敗時的失速信號。研究結果表明，利用小波分析方法進行失速故障檢測簡單、直觀，具有一定的工程實用價值。

慣性起動；失速；小波分析；快速傅里葉變換；航空發動機

1 引言

當發動機進入失速狀態時，風扇和壓氣機出口脈動壓力信號中攜帶有失速信息和大量高頻噪聲。采用傳統的脈動壓力信號時域和頻域分析方法很難辨別出其中的失速信號，而小波分析[1]在時域和頻域內都具有表征信號局部特征的能力。因此，可根據故障檢測需要，選取包含所需信息的頻段序列進行深層信號處理，檢測出故障類型。本文結合脈動壓力信號時域指標，運用小波分解和傅里葉變換技術，對某型渦扇發動機慣性起動失敗的數據進行了分析，從中檢測出發動機起動失敗時的失速信號。

2 小波分析原理

傳統的傅立葉變換是對信號在整個時間過程中的變化情況進行分析，它在時域內是全局化的。而由此發展出來的短時傅立葉，雖然通過給信號加窗實現了信號在時間-頻率域內局部化的聯合分析，但其時頻分辨率受限于窗函數的形狀和寬度。

小波分析是一種全新的時頻分析法[1]，其基本思想是通過一個基小波在不同尺度下進行平移和伸縮，用一族函數去逼近待分析信號。Mallat算法是離散小波變換的快速算法，其實質相當于一個高通濾波器和一個低通濾波器，將原始信號分解為高頻分量(即細節信號d)和低頻分量(即近似信號a)，再對近似信號a作進一步分解，細節信號d則不予考慮。分解過程如圖1所示。

3 試驗結果分析

3.1 風扇和壓氣機出口脈動壓力時域分析

試驗中發動機進行了多次慣性起動，下文以其中1次起動成功和2次起動失敗為例，對發動機慣性起動過程中推油門桿起動時測取的風扇出口脈動壓力P13和壓氣機出口脈動壓力P31進行時域信號分析，結果如圖2和圖3所示。

圖1 一維小波分解過程Fig.1 1-D analysis of wavelet

圖2 風扇出口脈動壓力時域信號Fig.2 Fluctuating pressure signal of fan outlet

圖3 壓氣機出口脈動壓力時域信號Fig.3 Fluctuating pressure signal of compressor outlet

從圖2和圖3中可以看出，在起動成功的時域信號中，大約7.5 s時推油門桿開始起動后，P13和P31都在隨起動時間持續上升，直至起動成功；在起動失敗1的時域信號中，大約8.2 s時推油門桿開始起動后，P13有明顯的高頻波動，P31則出現了突降；在起動失敗2的時域信號中，大約4.8 s時推油門桿開始起動后，P13和P31先隨起動時間正常上升了約2 s，然后P31出現了突降，P13出現高頻波動。據此，可初步判斷發動機風扇或壓氣機失速[2]。

3.2 風扇和壓氣機出口脈動壓力小波分析

當發動機正常工作時，動態壓力測試系統采集到的是有規律的脈動壓力信號和噪聲信號。當風扇或壓氣機出現失速時，失速團引起的脈動壓力信號就會混雜在原有的正常壓力信號中。由于噪聲信號屬于高頻分量，正常脈動壓力信號頻率與發動機轉子頻率相等，而失速團引起的脈動壓力信號的頻率為轉子頻率的40%～60%[3]，三種壓力分量混雜在一起，利用傳統的時域分析很難區分。

本文采用db5作為小波基函數對風扇和壓氣機出口脈動壓力信號進行分解和重構。由于脈動壓力信號的采樣頻率為5 000 Hz，各分解與重構系數和信號頻段的對應關系如下：

1階分解的細節信號d1：2 500～5 000 Hz

2階分解的細節信號d2：1 250～2 500 Hz

3階分解的細節信號d3：625～1 250 Hz

4階分解的細節信號d4：312～625 Hz

5階分解的細節信號d5：156～312 Hz

5階分解的近似信號a5：0～156 Hz

對發動機慣性起動過程中推油門桿后5 s的脈動壓力信號進行分析。經小波分解與重構[4，5]，脈動壓力信號中無用的高頻分量被濾掉，對其中有用的低頻分量(第5階分解的近似信號)進行快速傅立葉變換，結果如圖4、圖5所示。

根據上述分析并結合試驗數據，可得轉子頻率和失速引起的脈動壓力頻率范圍，如表1所示。

表1 頻率分析HzTable 1 Frequency analysis

由圖中可以看出，3次發動機慣性起動過程中，推油門桿起動時的低壓轉子轉頻分別為58 Hz、51 Hz和61 Hz，與表中的數據基本一致。圖4(b)中的28 Hz、圖4(c)中的34 Hz應為失速團引起的風扇出口脈動壓力信號頻率，分別與表中推斷的20～30Hz、23～35 Hz失速頻率范圍相吻合。由此可以判斷，發動機慣性起動失敗是由于風扇失速所致。由圖5可以看出，3次發動機慣性起動過程中，推油門桿起動時的高壓轉子轉頻分別為127 Hz、130 Hz和128 Hz，也與表中數據基本一致。

圖4 風扇出口脈動壓力小波分解、重構后的頻譜圖Fig.4 Spectrum diagram of fan outlet fluctuating pressure wavelet analysis

4 結論

本文利用脈動壓力信號時域結果對發動機慣性起動過程中的失速問題進行了初步判斷，通過對風扇和壓氣機出口脈動壓力進行小波分析，濾除其中的高頻噪聲信號，再對重構后的脈動壓力信號進行頻譜分析，檢測出了風扇失速信號。這種失速信號檢測方法簡單、直觀，具有一定的工程實用價值。

圖5 壓氣機出口脈動壓力小波分解、重構后的頻譜圖Fig.5 Spectrum diagram of compressor outlet fluctuating pressure wavelet analysis

[1]Daubechies I.小波十講[M].李建平，楊萬年，譯.北京：國防工業出版社，2004.

[2]劉大響，葉培梁，胡駿，等.航空燃氣渦輪發動機穩定性設計與評定技術[M].北京：航空工業出版社，2004.

[3]姜濤，賈智偉，李應紅.基于小波分析的壓氣機失速故障檢測[J].推進技術，2003，24(1)：56—58.

[4]張德豐.MATLAB小波分析[M].北京：機械工業出版社，2009.

[5]周浩敏，王睿.測試信號處理技術[M].北京：北京航空航天大學出版社，2004.

Research on the Detecting Methods of Aero-Engine Stall Signal during Airstart Based on Wavelet Analysis

XIA Hui，WU Feng
(China Gas Turbine Establishment，Jiangyou 621703，China)

This paper analyzes the cause of a turbofan engine airstart aborted in altitude simulation test. The high-frequency noise in the fluctuating pressure signal of fan and compressor is filtered by using wave?let Mallat algorithm and spectrum analysis to detect stall signal exactly.Results show that the methods of de?tecting stall fault based on wavelet analysis is simple，intuitive and effective.

airstart；stall；wavelet analysis；FFT；aero-engine

V233.6+18

A

1672-2620(2011)04-0048-03

2010-09-09；

2011-10-12

夏輝(1986-)，男，湖北黃岡人，工程師，主要從事航空發動機高空模擬試驗技術研究。