论文部分内容阅读
作为压缩机内的一种不稳定流动现象,旋转失速是流体机械研究领域的热点和难点之一。本文以一台四级轴流压缩机为研究对象,从数据处理方法与在线监测等方面来开展深层次的研究。本文通过对采集到的声压信号进行一系列的数据处理以提取数据中的失速特征,并通过统计分析来识别信号频谱图中旋转失速特征频率。论文的主要研究内容如下:(1)介绍轴流压缩机的工作原理和旋转失速的研究进程,并概述了EMD类算法和小波变换的发展概况。(2)提出了MPE-CEEMD算法,并将此方法应用于轴流压缩机旋转失速特征提取中,最大限度的剔除信号中的间歇信号,脉冲信号,和干扰信号等异常成分。(3)为了缩短算法的运行时间,提出了小波软阈值去噪联合最优小波树的旋转失速特征提取算法。该算法的运行结果在时域上较好的体现出了压缩机旋转失速的特征,在频域上并没有丢失任何关键信息,而且算法运行的时间大大缩短,有利于旋转失速状态的在线监测。(4)对MPE-CEEMD和小波软阈值联合最优小波树去噪两种算法的性能作出了比较。结果表明,基于小波软阈值联合最优小波树算法的运行时间要比MPE-CEEMD算法的运行时间缩短很多,但是其他指标值均比MPE-CEEMD算法要差一些。(5)开发了基于声压信号的数据采集与旋转失速特征识别系统。本文以轴流压缩机出口机壳处的声压信号为研究对象,在基于声压信号的轴流压缩机旋转失速特征提取方面取得了一定的进展。