基于小波分析的发动机惯性起动失速信号检测方法研究

夏辉，吴锋

(中国燃气涡轮研究院，四川江油621703)

基于小波分析的发动机惯性起动失速信号检测方法研究

夏辉，吴锋

(中国燃气涡轮研究院，四川江油621703)

针对某型涡扇发动机惯性起动失败，利用小波Mallat算法对采集到的风扇和压气机脉动压力信号进行快速高频滤波，通过对滤除高频噪声的信号进行傅里叶频谱分析，准确检测出发动机起动失败时的失速信号。研究结果表明，利用小波分析方法进行失速故障检测简单、直观，具有一定的工程实用价值。

惯性起动；失速；小波分析；快速傅里叶变换；航空发动机

1 引言

当发动机进入失速状态时，风扇和压气机出口脉动压力信号中携带有失速信息和大量高频噪声。采用传统的脉动压力信号时域和频域分析方法很难辨别出其中的失速信号，而小波分析[1]在时域和频域内都具有表征信号局部特征的能力。因此，可根据故障检测需要，选取包含所需信息的频段序列进行深层信号处理，检测出故障类型。本文结合脉动压力信号时域指标，运用小波分解和傅里叶变换技术，对某型涡扇发动机惯性起动失败的数据进行了分析，从中检测出发动机起动失败时的失速信号。

2 小波分析原理

传统的傅立叶变换是对信号在整个时间过程中的变化情况进行分析，它在时域内是全局化的。而由此发展出来的短时傅立叶，虽然通过给信号加窗实现了信号在时间-频率域内局部化的联合分析，但其时频分辨率受限于窗函数的形状和宽度。

小波分析是一种全新的时频分析法[1]，其基本思想是通过一个基小波在不同尺度下进行平移和伸缩，用一族函数去逼近待分析信号。Mallat算法是离散小波变换的快速算法，其实质相当于一个高通滤波器和一个低通滤波器，将原始信号分解为高频分量(即细节信号d)和低频分量(即近似信号a)，再对近似信号a作进一步分解，细节信号d则不予考虑。分解过程如图1所示。

3 试验结果分析

3.1 风扇和压气机出口脉动压力时域分析

试验中发动机进行了多次惯性起动，下文以其中1次起动成功和2次起动失败为例，对发动机惯性起动过程中推油门杆起动时测取的风扇出口脉动压力P13和压气机出口脉动压力P31进行时域信号分析，结果如图2和图3所示。

图1 一维小波分解过程Fig.1 1-D analysis of wavelet

图2 风扇出口脉动压力时域信号Fig.2 Fluctuating pressure signal of fan outlet

图3 压气机出口脉动压力时域信号Fig.3 Fluctuating pressure signal of compressor outlet

从图2和图3中可以看出，在起动成功的时域信号中，大约7.5 s时推油门杆开始起动后，P13和P31都在随起动时间持续上升，直至起动成功；在起动失败1的时域信号中，大约8.2 s时推油门杆开始起动后，P13有明显的高频波动，P31则出现了突降；在起动失败2的时域信号中，大约4.8 s时推油门杆开始起动后，P13和P31先随起动时间正常上升了约2 s，然后P31出现了突降，P13出现高频波动。据此，可初步判断发动机风扇或压气机失速[2]。

3.2 风扇和压气机出口脉动压力小波分析

当发动机正常工作时，动态压力测试系统采集到的是有规律的脉动压力信号和噪声信号。当风扇或压气机出现失速时，失速团引起的脉动压力信号就会混杂在原有的正常压力信号中。由于噪声信号属于高频分量，正常脉动压力信号频率与发动机转子频率相等，而失速团引起的脉动压力信号的频率为转子频率的40%～60%[3]，三种压力分量混杂在一起，利用传统的时域分析很难区分。

本文采用db5作为小波基函数对风扇和压气机出口脉动压力信号进行分解和重构。由于脉动压力信号的采样频率为5 000 Hz，各分解与重构系数和信号频段的对应关系如下：

1阶分解的细节信号d1：2 500～5 000 Hz

2阶分解的细节信号d2：1 250～2 500 Hz

3阶分解的细节信号d3：625～1 250 Hz

4阶分解的细节信号d4：312～625 Hz

5阶分解的细节信号d5：156～312 Hz

5阶分解的近似信号a5：0～156 Hz

对发动机惯性起动过程中推油门杆后5 s的脉动压力信号进行分析。经小波分解与重构[4，5]，脉动压力信号中无用的高频分量被滤掉，对其中有用的低频分量(第5阶分解的近似信号)进行快速傅立叶变换，结果如图4、图5所示。

根据上述分析并结合试验数据，可得转子频率和失速引起的脉动压力频率范围，如表1所示。

表1 频率分析HzTable 1 Frequency analysis

由图中可以看出，3次发动机惯性起动过程中，推油门杆起动时的低压转子转频分别为58 Hz、51 Hz和61 Hz，与表中的数据基本一致。图4(b)中的28 Hz、图4(c)中的34 Hz应为失速团引起的风扇出口脉动压力信号频率，分别与表中推断的20～30Hz、23～35 Hz失速频率范围相吻合。由此可以判断，发动机惯性起动失败是由于风扇失速所致。由图5可以看出，3次发动机惯性起动过程中，推油门杆起动时的高压转子转频分别为127 Hz、130 Hz和128 Hz，也与表中数据基本一致。

图4 风扇出口脉动压力小波分解、重构后的频谱图Fig.4 Spectrum diagram of fan outlet fluctuating pressure wavelet analysis

4 结论

本文利用脉动压力信号时域结果对发动机惯性起动过程中的失速问题进行了初步判断，通过对风扇和压气机出口脉动压力进行小波分析，滤除其中的高频噪声信号，再对重构后的脉动压力信号进行频谱分析，检测出了风扇失速信号。这种失速信号检测方法简单、直观，具有一定的工程实用价值。

图5 压气机出口脉动压力小波分解、重构后的频谱图Fig.5 Spectrum diagram of compressor outlet fluctuating pressure wavelet analysis

[1]Daubechies I.小波十讲[M].李建平，杨万年，译.北京：国防工业出版社，2004.

[2]刘大响，叶培梁，胡骏，等.航空燃气涡轮发动机稳定性设计与评定技术[M].北京：航空工业出版社，2004.

[3]姜涛，贾智伟，李应红.基于小波分析的压气机失速故障检测[J].推进技术，2003，24(1)：56—58.

[4]张德丰.MATLAB小波分析[M].北京：机械工业出版社，2009.

[5]周浩敏，王睿.测试信号处理技术[M].北京：北京航空航天大学出版社，2004.

Research on the Detecting Methods of Aero-Engine Stall Signal during Airstart Based on Wavelet Analysis

XIA Hui，WU Feng
(China Gas Turbine Establishment，Jiangyou 621703，China)

This paper analyzes the cause of a turbofan engine airstart aborted in altitude simulation test. The high-frequency noise in the fluctuating pressure signal of fan and compressor is filtered by using wave⁃let Mallat algorithm and spectrum analysis to detect stall signal exactly.Results show that the methods of de⁃tecting stall fault based on wavelet analysis is simple，intuitive and effective.

airstart；stall；wavelet analysis；FFT；aero-engine

V233.6+18

A

1672-2620(2011)04-0048-03

2010-09-09；

2011-10-12

夏辉(1986-)，男，湖北黄冈人，工程师，主要从事航空发动机高空模拟试验技术研究。