軸流轉(zhuǎn)槳式水輪機模型轉(zhuǎn)變空化試驗

軸流轉(zhuǎn)槳式水輪機模型轉(zhuǎn)變空化試驗

0聲信號檢測方面做有進展的工作由于該局的干擾嚴重影響了該公司的正常運行，導致該公司的效率低下、結(jié)構(gòu)破壞等問題。因此，國內(nèi)外對該公司的空化進行了大量研究，其中在聲音檢測方面有許多進展[3、4、5、6、7、8、9、10、11、12、13、14、15、16和17]。提出了幾種用于代表壓縮強度的聲音檢測方法和公式，但未明確記錄超聲信號的結(jié)果與可見的壓縮力。為此，在模型轉(zhuǎn)輪空化試驗的基礎上，提出了針對軸流轉(zhuǎn)槳式水輪機的空化程度聲信號辨識方法，并且得到視頻觀測數(shù)據(jù)的驗證，本文涉及試驗過程的安排、如何評判辨識方法的優(yōu)劣、空化程度的辨別方法、該方法的適用性和如何改進幾個問題。1空化聲試驗結(jié)果2005年1月12日至13日，在哈爾濱大電機研究所水輪機試驗臺，進行了針對軸流轉(zhuǎn)槳式水輪機的模型(D1=350mm)轉(zhuǎn)輪空化試驗，目的是測試不同槳葉角度下水頭、功率和尾水位變化時的空化聲信號，以期找出用聲信號的特征判別水輪機空化嚴重程度的客觀規(guī)律。試驗選用4個頻率范圍達1MHz的寬帶超聲傳感器(UT1000)采集空化聲信號，1、2號傳感器安裝在活動導葉的軸上，3號傳感器安裝在轉(zhuǎn)輪室外大約與槳葉裙邊平齊的位置，4號傳感器安裝在尾水管外3號傳感器下方約10cm處。該次試驗選擇了4個常用槳葉角度，每個槳葉角度下確定2～4個水頭(見表1)，通過改變尾水位來調(diào)整空化狀態(tài)，每個水頭下調(diào)整5～8個尾水位，使模型機各工況下空化系數(shù)大致從0.8～0.2變化。每組不同的槳葉角度、水頭和尾水位構(gòu)成一個工況，每個工況重復采集40組空化聲信號，試驗總共測試了93個工況，采集了大量的空化聲信號數(shù)據(jù)。模型轉(zhuǎn)輪室透明，可以用閃頻攝像觀察里面的各種空化情況，試驗過程中對轉(zhuǎn)輪室的空化進行了錄像。2錄像觀察與評價空化指當流道中水流局部壓力下降至臨界壓力時，水中氣核成長為氣泡，氣泡的聚積、流動、分裂、潰滅過程的總稱。目前對水輪機中空化的評判都基本上通過空化系數(shù)來描述。由于水輪機中空化的多樣性及復雜性，空化系數(shù)描述的是一種宏觀的外在狀態(tài)，并非空化嚴重程度本身，要說明空化本身的發(fā)展過程，應該用諸如氣泡數(shù)、氣泡密度、氣泡大小及分布等來描述，這樣才能更準確地反映空化本身的嚴重程度。錄像觀測雖然不能準確地數(shù)出氣泡數(shù)，但氣泡的多少疏密還是一目了然的，也就是說目前的技術(shù)條件下錄像觀測是最接近于能描述空化本身的手段。通過對模型轉(zhuǎn)輪空化實驗錄像的觀察，根據(jù)空化發(fā)展的過程可以把空化嚴重程度分為A、B、C和D四級(如圖1)，A級指完全看不到氣泡的狀態(tài)，轉(zhuǎn)輪葉片清晰可見；B級指轉(zhuǎn)輪葉片裙邊出現(xiàn)了輕度的空化氣泡，葉片依然清晰；C級指轉(zhuǎn)輪葉片上出現(xiàn)了成線柱狀的空化氣泡，轉(zhuǎn)輪葉片裙邊被氣泡遮擋；D級指轉(zhuǎn)輪葉片上裙邊和根部都出現(xiàn)大量的空化氣泡，以至看不清葉片。以此作為空化嚴重程度的標示和評價，通過超聲信號的特征來判別這幾個狀態(tài)，如果能夠判別則說明是一種有效的方法，換言之就是以錄像觀察為判據(jù)，判斷聲信號處理的結(jié)果是否符合實際?？栈瘡臒o到有，發(fā)展到嚴重空化，是一個連續(xù)的過程，目前的分級描述了4個典型的空化狀態(tài)，確立了有效的評判機制，但有可能一種空化程度實際介于C和D之間，但在評價系統(tǒng)中肯定不是C就是D，不會有中間狀態(tài)。3噪聲信號特征和空洞狀態(tài)的識別3.1空化特征矢量由于4個傳感器安裝的位置及其本身的頻率響應不同，從4個傳感器接收到的聲信號的頻譜也各異，但是仍然有一些共同的特征：(1)總體特征上低頻信號大于高頻信號，隨著頻率的增加信號幅度在減??；(2)沒有特別明顯的頻段能夠決定是否存在空化及其嚴重程度，各頻段都大同小異，沒有與空化嚴重程度對應的線性關(guān)系；(3)隨空化的加深，信號總的強度一般會加大，但并非空化最嚴重的時候最大，且各頻段的變化不是同步的。分析上述特點后，提出了空化聲信號特征矢量分類算法：對每次采集到的信號，取不同頻段信號的方差作為該頻段能量值的反映，由全頻段組成一個多維矢量，為了消除信號強度隨頻率變化差異較大的問題，對不同頻段的信號進行加權(quán)歸一化處理，作為判斷水輪機空化程度的特征矢量。每個槳葉角度下，選擇4個標準矢量作參照，分別代表A、B、C、D四種不同的空化程度，用特征矢量跟標準矢量比較來判別信號對應的空化程度。3.2空化狀態(tài)的判別根據(jù)聲信號的頻譜特點，劃分為5個頻段：0k～200kHz、200k～400kHz、400k～600kHz、600k～800kHz以及大于800kHz，從而每個通道每次采集的信號轉(zhuǎn)換化為一個5維矢量，對該矢量各維的加權(quán)方法是都除以本次試驗中該維(頻段)信號的平均值，如圖2所示，其過程是濾波、求方差、加權(quán)、最后通過該矢量在5維空間的位置關(guān)系來判斷水輪機的空化狀態(tài)，與哪個標準矢量接近，就說明其空化狀態(tài)與其一樣?？臻g中矢量點的相互關(guān)系可以用距離描述，也可以用角度描述，考慮了這兩種方式，發(fā)現(xiàn)角度分類的效果更好，而且角度分類的方法還具有對幅度的絕對值沒有要求，從而對信號通路的衰減不敏感等優(yōu)點。圖2中最后的判別是通過求距離或角度，判斷由信號抽取出的矢量Pi與4個“標準”矢量中的哪個最接近，與PA最接近則表明空化嚴重程度為A，依次類推。加權(quán)系數(shù)kn的數(shù)學表達式為式中：I為總的信號數(shù)目；σ為信號的方差。第i次測量信號的矢量Pi=(σ2i1,σ2i2,???,σ2iN)，矢量的具體維數(shù)N為5。2個矢量的距離d和角度α的數(shù)學表達式為標準矢量是從試驗測試數(shù)據(jù)中挑選出具有代表性的工況，按上述方式矢量化后求平均得到的。試驗中有4個槳葉角度，每個角度下4個標準矢量，總共需要16個標準矢量。確定標準矢量后就可以對不同工況下測量到的所有聲信號進行辨識，從而確定空化程度是A、B、C或者D級。3.3特征矢量分類如果把4個傳感器采集的信號數(shù)據(jù)合起來，每個為5維矢量，每組信號構(gòu)成一個總和為20維的矢量，這樣不僅包含了頻段信息，還綜合了安裝位置的信息，辨識可能會更準確。ψ為5°時測試了30個工況，有13個工況缺錄像紀錄，ψ為10°有23個工況，ψ為15°有27個工況，前8個工況狀態(tài)不穩(wěn)定，ψ為20°有13個工況，每個工況下都重復測試了40組數(shù)據(jù)。排除無錄像和不穩(wěn)定的21個工況，對剩余72個工況共計2880組數(shù)據(jù)進行處理，即對2280個聲信號特征矢量進行分類，結(jié)果如表2所示。表2中A行的數(shù)據(jù)為通過錄像觀測認為沒有空化時采集到的聲信號處理結(jié)果，通過特征分類，有505組信號被認為無空化，14組信號被認為有B(輕度)級空化，1組被認為C級空化，沒有信號被認為是嚴重空化，重合率為97%。沒有使用“正確率”的原因：(1)考慮到測試過程中，水輪機的狀態(tài)是有波動的，有可能真的有輕度空化；(2)既然是分類統(tǒng)計，說完全正確似乎不妥。B、C、D行數(shù)據(jù)意義依次類推，可以看出重合率在68%以上，效果是非常理想的。反過來說只要給出一組測試數(shù)據(jù)，告訴槳葉角度的條件下，通過特征分類法，就可以確定是在什么空化狀態(tài)下測量得到的，可信度有多大。舉例說明：假定一組數(shù)據(jù)特征分類法判定為B級空化，那么它實際上是A級空化的概率為2%，為B的概率是74%，為C的概率是13%，為D的概率為11%。表3給出了聲信號特征矢量分類法實際值的概率分布，表3實際上是從表2導出的。4空化豐富程度的影響從表2和表3的數(shù)據(jù)來看，結(jié)果是非常令人滿意的，只要給定槳葉角度，特征矢量分類法就能夠確定當前水輪機中的空化狀態(tài)，與錄像的觀測一致。隨著槳葉角度的加大，水輪機的空化系數(shù)也加大，所以通過試驗分別得到了4個槳葉角度下空化嚴重程度的標準矢量。但是，其他槳葉角度下的標準矢量如何確定呢？如果換成真機，模型轉(zhuǎn)輪試驗得到的標準矢量是否適用等還有待進一步研究。算法的本質(zhì)是基于隨著水輪機空化狀態(tài)的變化，聲信號分布在不同頻率的能量變化率不同。上文的算法把頻率劃分為5個頻段，是不是其他更細致的劃分效果更好呢，而且在什么位置進行劃分最優(yōu)，全面考察這些問題是一個改進的方向。實際上任何的頻段劃分都是離散的，而聲信號本身的頻率分布是連續(xù)的，多小的頻率間隔能夠不失真的反映信號頻率分布，取決于信號頻率分布的變化率，變化緩慢分割的間隔就可以大些，變化迅速分割的間隔就需要小些。盡管只有A、B、C、D四個等級，但該算法能夠較準確地判斷空化的嚴重程度表明，空化的影響，不管是空化直接發(fā)射的聲信號，還是空化僅僅改變了系統(tǒng)的傳遞函數(shù)，從而間接的改變了最終的結(jié)果，甚至僅僅是與之相伴的外界變化導致了聲信號的改變，總之空化嚴重程度可以通過聲信號來體現(xiàn)。A級空化時觀測不到任何空化氣泡，可以認為完全沒有空化，此時得到的聲信號完全是系統(tǒng)本身固有的，把此時的信號特征矢量作為一個基矢量VA。把空化監(jiān)測過程中所有聲信號的特征矢量V分解為VA和垂直于VA的矢量VVA，其矢量和V=aVA+VVA(a為標量)，用VVA作為空化的表征，這樣可能更能反映空化本身造成的聲信號變化。當然無論是VA和VVA都可能還不是獨立分量，但是正交化處理是值得研究的方向。5聲信號的頻譜特性特征矢量分類法能很好的通過聲信號的特征辨識水輪機的空化狀態(tài)，從數(shù)據(jù)特征分析的層面上取得了良好的效果(由于沒有對空化的機理、水輪機的本質(zhì)傳輸特性