基于压缩感知的叶端定时信号参数辨识方法.pptxVIP

基于压缩感知的叶端定时信号参数辨识方法.pptx

content

研究背景与技术挑战

压缩感知理论框架构建

关键算法设计与创新

仿真建模与数值验证

实验平台搭建与实测分析

结论展望与工程应用前景

研究背景与技术挑战

叶端定时技术作为非接触式叶片振动监测的核心手段，面临严重欠采样问题

监测核心

叶端定时技术通过非接触式传感器阵列测量叶片到达时间，实现对高速旋转叶片振动的在线监测，是当前航空发动机健康诊断的关键手段。

欠采样困境

受限于传感器数量与安装空间，叶端定时信号采样率远低于奈奎斯特频率，导致严重欠采样，难以直接还原真实振动特征。

物理稀疏性

叶片振动在时频域具有天然稀疏特性，为压缩感知提供先验基础，使其能在低采样率下重构高精度振动参数。

传统局限

经典傅里叶分析依赖等间隔高采样，在变转速、多模态振动场景下失效，难以满足实际工况中的动态监测需求。

先验依赖

现有方法常需已知激励阶次或模态信息，限制了其在未知故障或复杂气动环境下的适应性与鲁棒性。

传统采样理论受限于奈奎斯特频率，在高转速变工况下难以满足实时高频测量需求

采样频率受限

传统采样受奈奎斯特率限制，高转速下需极高采样频率，现有硬件难以支持同步高频采集，制约实时监测能力。

转速波动影响

实际运行中转速时变导致振动频率动态变化，固定采样策略易造成信号失真，难以准确捕捉频谱特征。

欠采样问题

传感器

更多 >