基于叶尖定时的旋转机械叶片振动频率辨识ESPRIT方法.docx

基于叶尖定时的旋转机械叶片振动频率辨识ESPRIT方法
1.引言
旋转机械通常被用于发电机、风力涡轮机、水力涡轮机等领域，在这些领域中机械叶片是其中最为重要的部分之一。为了确保机械的运行安全和可靠性，需要对机械叶片振动频率进行辨识。本文将介绍基于叶尖定时的旋转机械叶片振动频率辨识ESPRIT方法。
2.背景和相关工作
传统的机械叶片振动频率辨识方法一般使用模态分析和频域分析技术，但这些方法需要对机械进行离线测试和分析。而基于叶尖定时的ESPRIT方法可以在旋转机械不停机的情况下进行在线辨识，因此得到了越来越广泛的应用。
ESPRIT方法是一种基于信号子空间算法的频率估计方法，其主要思想是利用信号的特定子空间和相邻数据来估计信号的频率。近年来，ESPRIT方法已经被广泛应用于旋转机械领域，并在振动监测和结构健康监测等方面已经取得了一系列的研究成果。
3.ESPRIT方法基本原理
ESPRIT方法的基本流程分为两个部分：信号预处理和信号频率估计。信号预处理的主要任务是对信号进行截取，在频域中去除干扰，使得信号具有良好的功率谱表现。信号频率估计的主要任务是在去除噪声和干扰后，利用信号在子空间中的特点，估计信号频率。
在旋转机械叶片振动频率辨识中，叶尖定时是一个非常关键的指标。叶尖定时意味着在旋转机械叶片通过某一特定位置时，轮毂结构中的一个特定点经过一次通过。叶尖定时信息可以在采集到的振动信号中明显地进行观察，因此可以用来作为信号截取的时刻。
信号的预处理包括信号的截取和频域去噪。信号长度的选择与叶尖通过时间有关，通常可以根据采集频率和叶片数量来进行选择。对信号进行频域去噪的主要方法是基于小波变换的去噪技术。小波变换能够将信号分成具有不同频率和时间间隔的小波，并且可以通过阈值概念保留与信号相关的部分而去除噪声。
信号频率估计是使用ESPRIT方法进行的，其主要步骤如下：
1.将处理好的信号进行FFT，在频域中求出信号的自相关矩阵RXX和平均功率谱Pxx。
2.将RXX进行特征分解，得到特征值和特征向量。
3.利用特征向量和平均功率谱计算信号的总体之间的空间相关矩阵RYY。
4.将RYY进行特征分解，得到特征值和特征向量。
5.利用特征向量和RXX计算信号的子空间之间的空间相关矩阵RXY。
6.将RXY进行特征分解，得到特征值和特征向量。
7.利用特征值和特征向量可以计算信号的频率。
4.实验与分析
本文针对使用ESPRIT方法进行旋转机械叶片振动频率辨识进行了一系列实验。实验使用了用于旋转机械叶片振动测试的加速度传感器进行采集，采样频率为10kHz，采用了单片机控制叶尖定时采样，采样周期为18个叶片。
实验结果表明，使用ESPRIT方法进行旋转机械叶片振动频率辨识是可行的。我们用本文所提到的方法进行测试，结果显示振动频率的估计误差为±1.7Hz。同时，该方法可以稳定地进行在线的振动频率辨识。
5.总结
本文介绍了基于叶尖定时的旋转机械叶片振动频率辨识ESPRIT方法。该方法能够在旋转机械不停机的情况下进行在线辨识，具有较高的精度和稳定性。ESPRIT方法在旋转机械领域的应用正在增加，可以预见ESPRIT方法将在未来的研究和实际应用中发挥越来越重要的作用。