江志農(nóng)，黨 偉，胡明輝，馮 坤

（1.北京化工大學(xué)發(fā)動(dòng)機(jī)健康監(jiān)控及網(wǎng)絡(luò)化教育部重點(diǎn)實(shí)驗(yàn)室，北京 100029；2.北京化工大學(xué)高端機(jī)械裝備健康監(jiān)控與自愈化北京市重點(diǎn)實(shí)驗(yàn)室，北京 100029）

1 引言

燃?xì)廨啓C(jī)具有運(yùn)行平穩(wěn)、結(jié)構(gòu)緊湊、熱效率高、啟動(dòng)速度快等優(yōu)點(diǎn)，在艦船、石化管道等行業(yè)具有廣泛應(yīng)用。葉片作為燃?xì)廨啓C(jī)的關(guān)鍵部件，據(jù)統(tǒng)計(jì)，葉片故障占葉輪機(jī)械故障總數(shù)的65%以上[1]。隨燃?xì)廨啓C(jī)載荷的提高，葉型和內(nèi)部流場(chǎng)更加復(fù)雜，葉片損壞概率更大。燃?xì)廨啓C(jī)一旦發(fā)生葉片斷裂故障，不僅會(huì)導(dǎo)致機(jī)組性能下降，甚至?xí)騻D(zhuǎn)子其它部件或機(jī)匣，嚴(yán)重威脅燃?xì)廨啓C(jī)的安全運(yùn)行。目前我國(guó)主要是根據(jù)機(jī)匣振動(dòng)速度有效值變化趨勢(shì)監(jiān)測(cè)機(jī)組狀態(tài)，但存在以下問(wèn)題：振動(dòng)速度有效值為低頻參數(shù)，主要頻率成分為轉(zhuǎn)子工頻及二倍頻，因此只有斷裂葉片嚴(yán)重影響轉(zhuǎn)子平衡狀態(tài)后才能引起該參數(shù)變化。因此擬結(jié)合葉片振動(dòng)機(jī)理，提取葉片斷裂故障特征參數(shù)，建立葉片斷裂故障診斷模型，解決上述問(wèn)題。

目前國(guó)內(nèi)外主要開(kāi)展了以下兩方面的研究：（1）基于有限元軟件，建立葉片模型，分析正常和故障葉片的區(qū)別。文獻(xiàn)[2]對(duì)葉片丟失激勵(lì)下轉(zhuǎn)子的動(dòng)力學(xué)特性進(jìn)行分析和試驗(yàn)，表明葉片丟失具有沖擊特征，不平衡載荷產(chǎn)生突增。文獻(xiàn)[3?4]建立葉片有限元模型，提出可根據(jù)固有頻率的變化判斷葉片是否存在裂紋故障且根據(jù)固有頻率的變化量確定葉片損傷程度。文獻(xiàn)[5]給出基于燃?xì)廨啓C(jī)機(jī)匣振動(dòng)信號(hào)和轉(zhuǎn)速信號(hào)的葉片固有頻率估計(jì)公式。（2）基于葉片信號(hào)利用信號(hào)處理方法識(shí)別葉片狀態(tài)。文獻(xiàn)[6?7]利用小波分解識(shí)別葉片的狀態(tài)。文獻(xiàn)[8?9]提出并利用實(shí)驗(yàn)數(shù)據(jù)驗(yàn)證轉(zhuǎn)子的瞬時(shí)旋轉(zhuǎn)角速度值可作為葉片根部松動(dòng)、裂紋故障的特征參數(shù)。文獻(xiàn)[10]基于風(fēng)機(jī)葉片聲發(fā)射信號(hào)，利用BP神經(jīng)網(wǎng)絡(luò)識(shí)別葉片故障。文獻(xiàn)[11]利用多層感知機(jī)、等機(jī)器算法識(shí)別燃?xì)廨啓C(jī)葉片的狀態(tài)。

根據(jù)葉片固有頻率變化分析葉片狀態(tài)，該方法在實(shí)際應(yīng)用中仍存在如下問(wèn)題：（1）需經(jīng)過(guò)模態(tài)測(cè)試確定每級(jí)葉片的固有頻率，同時(shí)每型燃機(jī)需單獨(dú)進(jìn)行模態(tài)測(cè)試，導(dǎo)致該方法難以實(shí)際應(yīng)用。（2）振動(dòng)測(cè)點(diǎn)通常位于燃?xì)廨啓C(jī)外機(jī)匣表面，葉片固有頻率振動(dòng)經(jīng)過(guò)轉(zhuǎn)子、軸承等復(fù)雜路徑傳遞后，信號(hào)中包含大量無(wú)關(guān)成分，傳感器很難檢測(cè)到葉片的固有頻率。故綜上兩點(diǎn)工程實(shí)際中很難通過(guò)監(jiān)測(cè)葉片固有頻率的變化識(shí)別葉片故障。目前形成的基于小波分解和神經(jīng)網(wǎng)絡(luò)的葉片狀態(tài)識(shí)別方法，未充分考慮葉片斷裂故障機(jī)理，且需要大量實(shí)際故障案例數(shù)據(jù)對(duì)模型進(jìn)行訓(xùn)練，但對(duì)于燃?xì)廨啓C(jī)葉片斷裂類(lèi)故障，現(xiàn)場(chǎng)故障數(shù)據(jù)很少。綜上考慮，本文基于燃?xì)廨啓C(jī)葉片尾流激振力產(chǎn)生機(jī)理，提出可監(jiān)測(cè)的葉片斷裂故障特征參數(shù)，建立基于OCSVM的葉片故障識(shí)別模型；將上述識(shí)別模型與轉(zhuǎn)子葉片斷裂引發(fā)的轉(zhuǎn)子突發(fā)不平衡故障的診斷規(guī)則相結(jié)合，構(gòu)建燃?xì)廨啓C(jī)葉片斷裂故障診斷方法。利用實(shí)際燃?xì)廨啓C(jī)葉片斷裂故障案例數(shù)據(jù)，驗(yàn)證提出的特征參數(shù)和診斷方法的有效性。

2 葉片尾流激振力產(chǎn)生機(jī)理

葉片尾流激振力產(chǎn)生機(jī)理，如圖1所示。燃?xì)廨啓C(jī)由于葉片尾緣、支板和附面層等的影響，在葉柵出口氣流速度產(chǎn)生虧損，尾跡區(qū)的氣流速度虧損可達(dá)(40～50)%，導(dǎo)致葉盤(pán)出口截面氣流速度v、總壓P沿周向脈動(dòng)。此外在非均勻葉柵中由于葉盤(pán)安裝角、柵距等參數(shù)不同，同樣導(dǎo)致葉片通道面積和氣流出口角度不均勻。而現(xiàn)代燃?xì)廨啓C(jī)結(jié)構(gòu)設(shè)計(jì)緊湊，一般前后兩級(jí)動(dòng)靜葉盤(pán)間的軸向距離僅占葉片寬度的（10～15)%，導(dǎo)致由尾跡引起的氣流速度分布凹坑無(wú)法恢復(fù)，在下級(jí)葉柵前緣截面壓力、流速等仍沿周向分布不均勻，流場(chǎng)產(chǎn)生周向畸變。靜子與轉(zhuǎn)子葉片相對(duì)轉(zhuǎn)動(dòng)，下級(jí)葉柵受到由上級(jí)葉柵產(chǎn)生的周期性氣體激振力作用[12]。圖1中：P—穩(wěn)態(tài)氣體壓力；ΔP——尾流激振引起的壓力波動(dòng)；u—燃?xì)廨啓C(jī)轉(zhuǎn)子轉(zhuǎn)速。

圖1 尾流激振力產(chǎn)生原理示意圖Fig.1 Schematic Diagram of Wake?Induced Vibration Force Generation

由燃?xì)廨啓C(jī)葉片尾流激振力產(chǎn)生機(jī)理可得：

（1）燃?xì)廨啓C(jī)氣體激振力頻率如式（1）：

式中：K—燃?xì)廨啓C(jī)構(gòu)造系數(shù)，如葉片、支板、幅板等數(shù)量；fr—燃?xì)廨啓C(jī)轉(zhuǎn)子工頻。

（2）燃?xì)廨啓C(jī)轉(zhuǎn)子動(dòng)葉片受到氣體激振力頻率為上級(jí)靜子葉片產(chǎn)生的靜葉通過(guò)頻率，靜葉通過(guò)頻率為靜葉葉片數(shù)乘以轉(zhuǎn)子工頻；靜子葉片受到的氣體激振力頻率為上級(jí)轉(zhuǎn)子葉片產(chǎn)生的動(dòng)葉通過(guò)頻率，轉(zhuǎn)子動(dòng)葉葉片通過(guò)頻率為動(dòng)葉葉片數(shù)乘以轉(zhuǎn)子工頻。

（3）氣體激振力為燃?xì)廨啓C(jī)葉片的主要激振源，即周向氣體脈動(dòng)形成的周期性壓力作用在下級(jí)葉片的工作面上，對(duì)葉片施以交變的激振力。

葉片受到的氣體激振力如式（2）：

式中：A—有效受力面積。

3 葉片斷裂故障特征參數(shù)

燃?xì)廨啓C(jī)實(shí)際運(yùn)行過(guò)程中，壓氣機(jī)轉(zhuǎn)子葉片主要受到離心載荷和氣動(dòng)載荷，靜子葉片主要受到氣體激振力作用，故轉(zhuǎn)子動(dòng)葉片受到的應(yīng)力相對(duì)更大，發(fā)生斷裂故障的概率更高。因此針對(duì)燃?xì)廨啓C(jī)壓氣機(jī)轉(zhuǎn)子葉片斷裂故障，提取葉片斷裂故障特征參數(shù)。

3.1 葉片通過(guò)頻率幅值

燃?xì)廨啓C(jī)壓氣機(jī)轉(zhuǎn)子葉片斷裂后，斷裂級(jí)葉片的有效受力面積A減小，壓氣機(jī)氣動(dòng)性能下降，下一級(jí)靜子葉片前緣的氣體壓力P下降。根據(jù)式（2）可得，葉片斷裂導(dǎo)致葉片受到的氣體激振力下降，故氣體激振力產(chǎn)生的振動(dòng)響應(yīng)減小，即葉片通過(guò)頻率幅值會(huì)產(chǎn)生突變。因此提取燃?xì)廨啓C(jī)各級(jí)轉(zhuǎn)子葉片通過(guò)頻率幅值作為轉(zhuǎn)子葉片斷裂故障的特征參數(shù)之一。

3.2 轉(zhuǎn)子工頻幅值

假設(shè)燃?xì)廨啓C(jī)轉(zhuǎn)子原始不平衡量很小，轉(zhuǎn)子葉片斷裂導(dǎo)致轉(zhuǎn)子不平衡量突增，轉(zhuǎn)子受到突發(fā)不平衡激勵(lì)作用，動(dòng)力學(xué)特性發(fā)生變化。轉(zhuǎn)子葉片斷裂后，葉盤(pán)產(chǎn)生突加不平衡激振力Fr=mllΩ2，式中：ml—斷裂葉片質(zhì)量；l—葉片斷裂前后葉盤(pán)質(zhì)心變化距離；Ω—轉(zhuǎn)子轉(zhuǎn)速。

單盤(pán)轉(zhuǎn)子不平衡量為l時(shí)，振動(dòng)響應(yīng)幅值r如式（3）：

式中：ω—固有頻率；ξ—阻尼比；β—轉(zhuǎn)子振動(dòng)相位；t—時(shí)間。由式（3）可得轉(zhuǎn)子不平衡振動(dòng)響應(yīng)幅值r與不平衡量l成正比，燃?xì)廨啓C(jī)葉片斷裂導(dǎo)致轉(zhuǎn)子不平衡量l改變，則轉(zhuǎn)子的振動(dòng)響應(yīng)幅值在葉片斷裂前后會(huì)產(chǎn)生突變。故提取燃?xì)廨啓C(jī)轉(zhuǎn)子工頻幅值作為轉(zhuǎn)子葉片斷裂故障的特征參數(shù)之一。

3.3 轉(zhuǎn)子工頻相對(duì)相位

燃?xì)廨啓C(jī)轉(zhuǎn)子葉片斷裂后，轉(zhuǎn)子重心位置發(fā)生變化，振動(dòng)相位會(huì)產(chǎn)生突變。但對(duì)于燃?xì)廨啓C(jī)、航空發(fā)動(dòng)機(jī)等復(fù)雜旋轉(zhuǎn)設(shè)備，難以準(zhǔn)確測(cè)量和計(jì)算轉(zhuǎn)子的實(shí)際振動(dòng)相位。由于燃?xì)廨啓C(jī)同一截面水平、垂直方向的結(jié)構(gòu)特性不同，導(dǎo)致轉(zhuǎn)子發(fā)生故障時(shí)，不同方向的振動(dòng)相位突變量不同。故本文選取燃?xì)廨啓C(jī)同一截面水平、垂直方向同類(lèi)型振動(dòng)傳感器轉(zhuǎn)子工頻的相對(duì)相位作為葉片斷裂故障的特征參數(shù)之一，其中利用互功率譜計(jì)算轉(zhuǎn)子工頻相位?；スβ首V密度函數(shù)描述了頻域上兩個(gè)信號(hào)間的相關(guān)性，可保留兩信號(hào)間的相位信息，是一種抗干擾能力強(qiáng)、計(jì)算精度高、無(wú)需整周期采樣的相位檢測(cè)方法。利用互功率譜計(jì)算含N個(gè)點(diǎn)的振動(dòng)信號(hào)x(t)中頻率分量fo的振動(dòng)相位，具體步驟如下：

（1）構(gòu)建頻率為fo、相位為0、幅值為1、長(zhǎng)度為N的標(biāo)準(zhǔn)正弦信號(hào)y(t) = sin( 2πfot)。

4 葉片斷裂故障識(shí)別方法

考慮到實(shí)際應(yīng)用中葉片斷裂案例數(shù)據(jù)獲取較難，同時(shí)一臺(tái)燃?xì)廨啓C(jī)的不同級(jí)上出現(xiàn)葉片斷裂時(shí)故障特征不盡相同，如果需要選用故障數(shù)據(jù)進(jìn)行故障識(shí)別模型的訓(xùn)練，就需要獲取各級(jí)葉片斷裂的故障樣本才能保證模型識(shí)別準(zhǔn)確率，顯然這在實(shí)際應(yīng)用中難以實(shí)現(xiàn)。

因此，故障識(shí)別模型需要實(shí)現(xiàn)二分類(lèi)，即葉片未斷裂和葉片斷裂，但訓(xùn)練樣本盡量只需用葉片未斷裂的樣本，即使用單類(lèi)樣本進(jìn)行訓(xùn)練實(shí)現(xiàn)二分類(lèi)。正是考慮到這個(gè)工程需求，選用OCS?VM方法進(jìn)行故障識(shí)別模型的搭建。

4.1 單分類(lèi)支持向量機(jī)

Scho?lkopf 基于支持向量機(jī)的分離超平面和最大分類(lèi)間隔思想，提出單分類(lèi)支持向量機(jī)（OCSVM），將單分類(lèi)問(wèn)題轉(zhuǎn)化為一個(gè)特殊的二分類(lèi)問(wèn)題，目標(biāo)為尋找樣本與原點(diǎn)間隔的最大分類(lèi)超平面[13]。

OCSVM的優(yōu)化問(wèn)題如式（4）：

式中：x、x′—樣本；gamma—高斯核寬度。gamma和懲罰因子C直接影響支持向量機(jī)的分類(lèi)精度和泛化能力，故采用粒子群算法對(duì)參數(shù)C和gamma進(jìn)行尋優(yōu)。

4.2 粒子群算法

粒子群優(yōu)化算法（PSO）是一種啟發(fā)式全局搜索算法，通過(guò)群體中個(gè)體間的協(xié)作和信息共享來(lái)尋找最優(yōu)解[14]。PSO隨機(jī)初始化粒子群，每個(gè)粒子在搜索范圍內(nèi)的最優(yōu)解，記為當(dāng)前粒子極值（pbest），將整個(gè)粒子群中的最優(yōu)個(gè)體極值作為本次粒子群的全局最優(yōu)解（gbest）。粒子群利用式（8）、式（9）更新速度和位置：

式中：Gk—尋優(yōu)最高迭代次數(shù)；ωini—初始慣性因子；ωend—最高迭代次數(shù)時(shí)的慣性因子（一般取ωini= 0.9，ωend= 0.4）；g—已迭代次數(shù)。

4.3 葉片斷裂故障診斷模型

基于提取的葉片通過(guò)頻率幅值、工頻幅值和相對(duì)相位等敏感特征參數(shù)，結(jié)合單分類(lèi)支持向量機(jī)，建立的燃?xì)廨啓C(jī)葉片斷裂故障診斷方法，如圖2所示。

圖2 燃?xì)廨啓C(jī)葉片斷裂故障診斷方法Fig.2 Fault Diagnosis Method for Gas Turbine Blade Fracture

具體步驟如下：

（1）在同一工況下，基于未發(fā)生葉片斷裂故障數(shù)據(jù)構(gòu)造多組轉(zhuǎn)子葉片通過(guò)頻率幅值矩陣。使用該矩陣進(jìn)行單分類(lèi)支持向量機(jī)OCSVM的訓(xùn)練，同時(shí)使用粒子群尋優(yōu)算法對(duì)OCSVM的控制參數(shù)C、gamma進(jìn)行尋優(yōu)，進(jìn)而建立基于OCSVM的葉片狀態(tài)分析模型。

（2）對(duì)燃機(jī)的不同運(yùn)行工況分別做第一步計(jì)算，進(jìn)而獲得各個(gè)工況下的葉片狀態(tài)分析模型。

（3）對(duì)待分析數(shù)據(jù)進(jìn)行各級(jí)轉(zhuǎn)子葉片通過(guò)頻率幅值的提取，獲得轉(zhuǎn)子葉片通過(guò)頻率幅值矩陣，同時(shí)對(duì)其工況參數(shù)（即轉(zhuǎn)速或燃料流量）進(jìn)行識(shí)別。

（4）調(diào)取與待分析數(shù)據(jù)同工況的葉片狀態(tài)識(shí)別模型，將待分析數(shù)據(jù)所得的轉(zhuǎn)子葉片通過(guò)頻率幅值矩陣輸入該模型進(jìn)行計(jì)算。若葉片狀態(tài)分析模型計(jì)算結(jié)果顯示葉片狀態(tài)異常，則進(jìn)行下一步分析，否則判斷為葉片未發(fā)生斷裂故障。

（5）分析燃?xì)廨啓C(jī)轉(zhuǎn)子工頻幅值、工頻振動(dòng)相對(duì)相位是否發(fā)生突變。若存在突變，則判斷為燃?xì)廨啓C(jī)發(fā)生葉片斷裂故障，否則判斷為未發(fā)生該故障。

5 燃?xì)廨啓C(jī)葉片故障案例數(shù)據(jù)分析

某型燃?xì)廨啓C(jī)安裝了振動(dòng)數(shù)據(jù)實(shí)時(shí)采集系統(tǒng)，采樣頻率為51.2kHz，4個(gè)振動(dòng)加速度測(cè)點(diǎn)布置在機(jī)匣外支承上。燃?xì)廨啓C(jī)在穩(wěn)定工況運(yùn)行過(guò)程中發(fā)生了葉片斷裂故障，斷裂前后振動(dòng)速度有效值趨勢(shì)，如圖3所示。

圖3 葉片斷裂前后振動(dòng)有效值變化趨勢(shì)Fig.3 Trend of Effective Value of Vibration Before and After Blade Fracture

由圖3可知，機(jī)組在第88組樣本對(duì)應(yīng)時(shí)刻，振動(dòng)有效值發(fā)生明顯突變，突變前后振動(dòng)有效值基本穩(wěn)定。突變前振動(dòng)速度有效值穩(wěn)定于5.5mm∕s左右，突變瞬間振動(dòng)速度有效值達(dá)到近8.3mm∕s，突變后振動(dòng)速度有效值穩(wěn)定于6.2mm∕s左右。由于現(xiàn)場(chǎng)振動(dòng)報(bào)警閾值為15mm∕s，因此在振動(dòng)突變后仍運(yùn)行了一段時(shí)間，直至人聽(tīng)到異響才停車(chē)。同時(shí)，在數(shù)據(jù)回放時(shí)發(fā)現(xiàn)了上述振動(dòng)速度有效值突變現(xiàn)象，但僅根據(jù)有效值分析難以實(shí)現(xiàn)故障診斷和定位，因此現(xiàn)場(chǎng)只能通過(guò)逐級(jí)孔探來(lái)確認(rèn)故障原因，發(fā)現(xiàn)第九級(jí)葉片出現(xiàn)了斷裂故障。利用提出的診斷方法對(duì)燃?xì)廨啓C(jī)上述突變前后運(yùn)行數(shù)據(jù)進(jìn)行分析，以期在故障發(fā)生瞬間進(jìn)行識(shí)別與告警。

5.1 建立OCSVM葉片狀態(tài)分析模型

燃?xì)廨啓C(jī)發(fā)生故障階段對(duì)應(yīng)的燃機(jī)轉(zhuǎn)速為6900r∕min，輸出功率為15MW。利用故障發(fā)生一周前相同工況的40組數(shù)據(jù)作為訓(xùn)練樣本，建立葉片狀態(tài)分析模型。提取訓(xùn)練數(shù)據(jù)的葉片通過(guò)頻率幅值組成特征參數(shù)矩陣A，利用粒子群算法進(jìn)行參數(shù)尋優(yōu)，適應(yīng)度函數(shù)為n折交叉驗(yàn)證OCSVM分類(lèi)準(zhǔn)確率的平均值，粒子群算法具體參數(shù)設(shè)置及尋優(yōu)結(jié)果，如表1所示。

表1 粒子群算法尋優(yōu)參數(shù)設(shè)置及結(jié)果Tab.1 Particle Swarm Optimization Parameter Setting and Results

由上表可知OCSVM控制參數(shù)尋優(yōu)結(jié)果如下：最優(yōu)懲罰因子Cini= 0.019681，最優(yōu)gammaini= 0.0015705?；谔卣鲄?shù)矩陣A和最優(yōu)控制參數(shù)，核函數(shù)選用高斯核，利用OCSVM建立葉片狀態(tài)分析模型。對(duì)模型輸出結(jié)果定義如下：輸出結(jié)果為“?1”，表示葉片為正常狀態(tài)；輸出結(jié)果為“+1”，表示葉片出現(xiàn)了斷裂故障。

5.2 故障數(shù)據(jù)分析

將圖3對(duì)應(yīng)的故障當(dāng)天87組振動(dòng)突變前樣本和56組振動(dòng)突變后樣本作為輸入，利用第（2）步建立的葉片狀態(tài)分析模型進(jìn)行計(jì)算。模型輸出結(jié)果，如圖4所示。結(jié)果統(tǒng)計(jì)，如表2所示。

圖4 葉片狀態(tài)分析模型的輸出結(jié)果Fig.4 Output of Blade State Analysis Model

表2 葉片狀態(tài)分析模型輸出結(jié)果統(tǒng)計(jì)Tab.2 Statistics of Blade State Analysis Model Output

由表2 可知，自第88 組樣本開(kāi)始（即振動(dòng)速度有效值突變后），葉片狀態(tài)分析模型即判斷為葉片出現(xiàn)了異常。因此進(jìn)行下一步工頻振動(dòng)的分析。

5.3 轉(zhuǎn)子工頻振動(dòng)分析

振動(dòng)速度有效值突變前后轉(zhuǎn)子工頻幅值的變化趨勢(shì)，如圖5所示。

圖5 轉(zhuǎn)子工頻幅值變化趨勢(shì)圖Fig.5 Rotor Power Frequency Amplitude Change Trend Chart

由圖5可知：（0～87）#樣本（即振動(dòng)速度有效值突變時(shí)刻）前，轉(zhuǎn)子工頻幅值基本穩(wěn)定于2.7m∕s2左右；88#樣本，轉(zhuǎn)子工頻幅值達(dá)到5.66m∕s2；（89～143）#樣本（即振動(dòng)速度有效值突變后），轉(zhuǎn)子工頻幅值從3.9m∕s2逐漸增大。即：轉(zhuǎn)子工頻幅值在88#樣本前后發(fā)生了明顯突變。進(jìn)一步地，對(duì)前截面水平、垂直兩方向轉(zhuǎn)子工頻相對(duì)相位差進(jìn)行分析，其變化趨勢(shì)，如圖6所示。

圖6 前截面水平?垂直測(cè)點(diǎn)轉(zhuǎn)子工頻相對(duì)相位變化趨勢(shì)圖Fig.6 Rotor Power Frequency Relative Phase Change Trend Graph of Front Section Horizontal?Vertical Measuring Points

由圖6可知：（0～87）#樣本（即振動(dòng)速度有效值突變前），轉(zhuǎn)子工頻相對(duì)相位差穩(wěn)定于245°左右；88#樣本，轉(zhuǎn)子工頻相對(duì)相位差達(dá)到12.1°；（89～143）#樣本（即振動(dòng)速度有效值突變后），轉(zhuǎn)子工頻相對(duì)相位差穩(wěn)定于60°左右。即：轉(zhuǎn)子工頻振動(dòng)相對(duì)相位在88#樣本前后發(fā)生了明顯突變。

5.4 故障診斷結(jié)論

根據(jù)葉片通過(guò)頻率幅值，基于OCSVM的葉片狀態(tài)分析模型判斷為自第88 組樣本開(kāi)始葉片出現(xiàn)了異常；同時(shí)，轉(zhuǎn)子工頻幅值、轉(zhuǎn)子工頻振動(dòng)相對(duì)相位在88#樣本前后發(fā)生了明顯突變。結(jié)合上述分析結(jié)果，根據(jù)提出的方法判斷該燃?xì)廨啓C(jī)在88#樣本對(duì)應(yīng)時(shí)刻發(fā)生葉片斷裂故障。

該燃機(jī)在停車(chē)后通過(guò)孔探發(fā)現(xiàn)其第九級(jí)動(dòng)葉片出現(xiàn)了多處斷裂，上述分析結(jié)論與故障現(xiàn)象一致，驗(yàn)證方法的有效性。

6 結(jié)論

針對(duì)燃?xì)廨啓C(jī)轉(zhuǎn)子動(dòng)葉片斷裂故障，結(jié)合葉片尾流激振力產(chǎn)生機(jī)理和斷裂葉片引發(fā)的轉(zhuǎn)子突發(fā)不平衡故障振動(dòng)機(jī)理，對(duì)葉片斷裂故障診斷方法進(jìn)行了研究，得到的主要結(jié)論如下：

（1）綜合葉片通過(guò)頻率成分振動(dòng)幅值、工頻成分振動(dòng)幅值和同截面工頻成分振動(dòng)相對(duì)相位可作為燃?xì)廨啓C(jī)葉片斷裂故障的敏感特征集，可指導(dǎo)工程中燃?xì)廨啓C(jī)葉片狀態(tài)監(jiān)測(cè)。

（2）基于OCSVM 的燃?xì)廨啓C(jī)葉片斷裂故障識(shí)別模型，結(jié)合葉片斷裂引發(fā)的突發(fā)不平衡振動(dòng)特征進(jìn)行葉片斷裂故障診斷，可用于燃?xì)廨啓C(jī)葉片斷裂故障的分析診斷。同時(shí)，該模型無(wú)需大量葉片斷裂案例數(shù)據(jù)進(jìn)行訓(xùn)練，更便于實(shí)際工程應(yīng)用。在實(shí)際案例分析中，上述方法成功實(shí)現(xiàn)了葉片斷裂故障的診斷。