学位论文 > 优秀研究生学位论文题录展示

混流式水轮机叶片裂纹声发射监测的若干关键技术研究

作　者: 王向红
导　师: 朱昌明
学　校: 上海交通大学
专　业: 机械设计及理论
关键词: 声发射水轮机转轮叶片裂纹衰减去噪特征提取定位疲劳
分类号: TP274.4
类　型: 博士论文
年　份: 2009年
下　载: 344次
引　用: 0次
阅　读: 论文下载

内容摘要

混流式水轮机是水电站普遍采用的机型。其转轮担负着把水能转化成机械能的重要任务,但极易产生裂纹。转轮出现裂纹将严重地危及电站的运行稳定性和运行安全,而频繁停机焊补裂纹又给电站造很大的经济损失。尽管从设计和制造方面进行了大量的研究,但仍不能完全解决混流式转轮的裂纹问题。若能监测裂纹的产生、掌握裂纹尤其贯穿裂纹的扩展趋势,将是预报转轮工作寿命的重要措施,它事关电站的高效、稳定和安全运行。材料在裂纹产生和扩展过程中,伴随着局部源快速释放能量而产生瞬态弹性波的现象,即声发射(Acoustic Emission,AE)。通过检测此波而发展起来的AE技术目前已有很多的研究和应用。本文对AE技术监测转轮叶片裂纹的可行性进行探讨,主要对AE信号在转轮上的衰减特性、强大背景噪声下弱小裂纹AE信号的提取、AE信号特征参数的提取与叶片上裂纹源的定位,以及疲劳过程中叶片材料的裂纹AE特性进行研究。主要取得了以下成果:1.研究了转轮上AE信号的衰减特性。根据AE信号在转轮上传输时的主要衰减因素,进行了两个方面的研究:传输距离对信号的衰减和结构界面对信号的衰减,并利用小波包技术对衰减结果进行了分析。采用信号能量和幅值这两个AE参数对信号的衰减性能进行描述,通过两组实验得出信号在转轮上传输6m后,仍然可检测到。距离为影响衰减的主要因素,界面也对信号衰减存在影响,但依赖于构成界面的构件相对尺寸的大小,因而实际应用中传感器的安装位置应选择在构件相对尺寸接近且结构较简单的部位。通过小波包分析得出特征小波包的信息与原信号的AE参数的最大偏差较小,特征小波包能有效反映转轮上AE信号的衰减特性。利用特征小波包代替原信号,可减少现场监测过程中数据保存和传输的压力。2.强背景噪声下AE信号的提取。针对水轮机组运行环境背景噪声强的特点,为从接收到的信号中滤除噪声而提取出有用信号,分两种情况进行去噪:1)当噪声成分和独立成分总数不大于提取的混合信号数目时,把噪声成分同时看作独立源,利用独立成分分析(ICA)的盲源分离,将有用成分提取出来,再经过(伪)逆变换还原出无噪信号。通过对混合不同强度白高斯噪声的断铅信号和混合水轮机组背景噪声的断铅信号的提取,实验结果表明,此方法基本不受输入信噪比以及信号所处频率范围的影响,均能较好的分离出信号。2)当源信号总数大于混合信号数时,利用基于ICA的稀疏编码收缩(SCS)方法进行去噪。由最大后验估计对独立成分进行提取,采用泛化高斯模型捕获独立成分的概率密度函数,并利用非线性收缩函数进行去噪,实验结果与小波阈值去噪方法进行比较。结果表明,基于ICA的SCS去噪方法能够从水轮机组运行的背景噪声中提取出叶片裂纹信号和断铅信号。虽然去噪效果没第一种情况好,但比第一种方法更适用,且去噪效果高于小波阈值去噪效果。3.提出了AE特征参数的提取方法以及转轮裂纹源的定位方法。针对转轮结构大而复杂且出现裂纹区域比较集中等特点,采用智能定位方法。为提高定位精度,首先必须对输入的大量相关AE参数进行特征提取。本文分别利用ICA、核主成分分析(KPCA)以及核独立成分分析(KICA)对AE参数进行特征提取。结果表明KICA提取的贡献率和超过90%的9维特征参数包含的信息量最大,且参数间的冗余最小。利用提取的特征参数分别通过小波神经网络和支持向量机这两种智能定位方法进行裂纹源位置的识别。仿真得出SVM对裂纹源的识别结果好于小波网络的结果。因而,在实际利用AE技术对水轮机转轮裂纹进行定位时,采用KICA特征提取降低了数据的维数,既减少在线监测过程中声发射参数存储和传输的压力,同时定位精度也得到了提高,KICA结合SVM是一种较好的定位方法。4.研究了转轮叶片材料的疲劳AE特性。水轮机叶片绝大多数裂纹为交变载荷作用下的疲劳裂纹,而叶片疲劳裂纹扩展速率是评估水轮机转轮损伤程度的基本数据。因此在实验室环境下,使叶片材料试件在标准三点弯曲疲劳实验下产生裂纹,研究此材料的疲劳裂纹扩展速率及相应的AE特性,并与水轮机组现场背景噪声的AE特征进行比较。研究结果表明,AE参数与疲劳裂纹状态存在一定的对应关系,可用AE参数表征裂纹的状态。得到了疲劳裂纹扩展过程中的AE计数率、能量变化率、裂纹扩展率与应力强度因子的关系,通过这些关系式可预测叶片的疲劳寿命。同时,得出了AE计数率、能量变化率与裂纹扩展率的关系,即可由检测到的AE参数的变化率推算出裂纹扩展率的大小,从而大致评估叶片的安全性,避免了实际结构中应力强度因子测量困难的问题。而且,发现疲劳裂纹信号与水轮机组现场背景噪声的AE参数值相差较大。

全文目录

摘要  5-8
ABSTRACT  8-14
第一章绪论  14-36
  1.1 课题的研究背景及意义  14-15
  1.2 水轮机转轮叶片裂纹分析  15-17
  1.3 水轮机组监测的研究现状  17-19
  1.4 声发射技术概述  19-23
    1.4.1 声发射技术概念及发展  20-22
    1.4.2 声发射检测技术的应用  22-23
  1.5 课题研究相关的关键技术研究现状  23-34
    1.5.1 声发射信号的分析技术  23-27
    1.5.2 特征参数的提取  27-29
    1.5.3 弱信号提取技术  29
    1.5.4 声发射源的定位技术  29-34
  1.6 研究内容及组织结构  34-36
第二章裂纹声发射信号衰减性能的实验研究  36-56
  2.1 转轮上声发射信号的衰减特性  36-47
    2.1.1 波的传播原理  36-37
    2.1.2 实验  37-41
    2.1.3 声发射参数的衰减结果  41-47
  2.2 声发射信号衰减的小波包分析  47-55
    2.2.1 小波包分析原理  47-49
    2.2.2 衰减结果的小波包分析  49-55
  2.3 本章小结  55-56
第三章强背景噪声下声发射信号提取方法的研究  56-78
  3.1 混合信号数不小于源信号条件下的ICA 独立源分离去噪  57-64
    3.1.1 ICA 独立源分离原理  57-58
    3.1.2 实例分析  58-64
  3.2 稀疏编码收缩去噪  64-77
    3.2.1 独立成分的最大后验（MAP）估计  65-66
    3.2.2 独立成分的概率密度函数  66
    3.2.3 收缩函数的获得  66-68
    3.2.4 信号特性的分析  68-72
    3.2.5 实例分析  72-77
  3.3 本章小结  77-78
第四章叶片裂纹源的定位研究  78-98
  4.1 特征参数的提取方法  79-83
    4.1.1 主成分分析（PAC）及其核方法  79-82
    4.1.2 独立成分分析（ICA）及其核方法（KICA）  82-83
  4.2 裂纹源的定位方法  83-87
    4.2.1 小波神经网络原理及算法  83-86
    4.2.2 支持向量机原理  86-87
  4.3 转轮裂纹源的定位  87-96
    4.3.1 声发射参数的获得  88-89
    4.3.2 特征参数的提取  89-90
    4.3.3 裂纹源的定位  90-96
  4.4 本章小结  96-98
第五章叶片材料的疲劳声发射特性研究  98-110
  5.1 实验  98-101
    5.1.1 试样的准备  99
    5.1.2 使用的设备  99-101
    5.1.3 实验过程与测量  101
  5.2 裂纹信号的疲劳特性  101-108
    5.2.1 裂纹与应力强度因子的关系  101-103
    5.2.2 裂纹与声发射参数的关系  103-108
  5.3 本章小结  108-110
第六章结论与展望  110-114
  6.1 主要结论及创新点  110-112
  6.2 研究展望  112-114
参考文献  114-130
攻读博士学位期间已发表或录用的论文及参与的科研项目  130-132
致谢  132

混流式水轮机叶片裂纹声发射监测的若干关键技术研究

内容摘要

全文目录

相似论文