CC BY
72
'Въотпьк, ЯАТ£\Оу£\А
Уфа : УГАТУ. 2011_______________________________^¿______________________________Т. 15, №3(43). С. 112-116
ЭЛЕКТРОНИКА, ИЗМЕРИТЕЛЬНАЯ ТЕХНИКА, РАДИОТЕХНИКА И СВЯЗЬ
УДК 681.5:621.452
М. А. Ураксеев, Р. А. Мунасыпов, С. В. Жернаков,
В. Ю. Чернышев, А. С. Чепайкин
МЕТОДИКА ОБРАБОТКИ ЦИФРОВОГО СИГНАЛА ПИРОМЕТРА ДЛЯ ИЗМЕРЕНИЯ ТЕМПЕРАТУРЫ ЛОПАТОК ГТД НА ОСНОВЕ СТАТИСТИЧЕСКИХ И НЕЙРОСЕТЕВЫХ АЛГОРИТМОВ
Описывается метод цифровой обработки сигнала с помехами различной длительности, который может быть применен для измерения температуры лопаток ГТД. Карты Кохонена; помехи; лопатки ротора ГТД; обработка сигнала пирометра о температуре лопаток ротора ГТД
В последние годы газотурбинные двигатели (ГТД) получают широкое применение в различных отраслях промышленности. Причиной этого являются характерные качества газотурбинного двигателя: простота тепловой и кинематической схемы, относительная простота конструкции, малая масса, приходящаяся на единицу мощности, сравнительно простая автоматизация управления. Кроме того в последние годы имеются значительные достижения как в области аэродинамики турбомашин, так и в разработке жаропрочных сталей и сплавов. Успехи аэродинамики и металлургии позволили поднять тепловую экономичность ГТД до необходимого уровня и создать предпосылки для внедрения ГТД в различные области народного хозяйства.
МЕТОД ОБРАБОТКИ СИГНАЛА
Сегодня одна из важных задач, которую необходимо решить для повышения эффективности и безопасности эксплуатирования газотурбинного двигателя (ГТД) является измерение и контроль температурного состояния лопаток турбины высокого давления (ТВД) ГТД. Эта задача решается с помощью бесконтактных измерителей - оптических пирометрических преобразователей (ОПП). Для решения этой задачи на современном уровне необходимо разработать метод цифровой обработки сигнала, который позволит в реальном масштабе времени записывать сигнал на цифровой носитель информации, а также получать максимальное количество информации из сигнала пирометра и визуализировать ее в удобном для пользователя виде.
На рис. 1 представлена функциональная схема цифровой системы измерения температуры лопаток ротора турбины. При работе турби-
ны на различных режимах сигнал о температуре лопаток с выхода ОПП преобразовывается в цифровой сигнал и записывается в файл на жестком диске персонального компьютера (ПК) через интерфейс и8Б в виде последовательности отсчетов. Затем проводится предварительная обработка с целью разделения последовательности отсчетов на участки, которые соответствуют отдельным оборотам турбины. Для этого с помощью быстрого преобразование Фурье (БПФ) с числом точек равным 2” вычисляется частота следования лопаток /2, с которой лопатки проходят через область визирования пирометра.
тепловое электрическое и8Б
излучение напряжение интерфейс
Рис. 1. Функциональная схема цифровой системы измерения температуры лопаток ротора турбины
Рассмотрим реальный сигнал ГТД оцифрованный с частотой /а = 400 кГц (см. рис. 2) с частотой вращения турбины /1 = 1 / Т1.
Одной из важных задач, которую необходимо решить при обработке цифрового сигнала является фильтрация помех. Использование цифровых фильтров в сигнале ОПП приводит к искажению полезной составляющей сигнала, что может быть нежелательно.
В реальном сигнале ОПП присутствуют помехи, частотный спектр которых близок или совпадает со спектром частот полезного сигнала [1, 2], они могут иметь различную амплитуду и длительность (см. рис. 3).
Контактная информация: (347)273-77-89
Период (1 оборот)
Отсчеты
Рис. 2. Оцифрованный сигнал оптического пирометрического преобразователя
Рис. 3. Реальный сигнал температуры лопаток: а - без помех; б, в - с помехами различной длительности и амплитуды
Чаще всего их источником является пролетающий через область визирования ОПП поток сажевых частиц, интенсивность таких потоков может изменяться в широком диапазоне.
Для устранения описанных помех при обработке сигнала в реальном времени необходимо применять быстродействующие алгоритмы, ко-
торые позволили бы за минимальное возможное время получить распределение температуры по обороту с максимальной точностью.
Сигнал, получаемый с выхода ОПП на установившемся режиме может быть охарактеризован как случайный стационарный сигнал [3]. То же самое справедливо для переходного режима, если сигнал рассматривается на коротком промежутке времени, за которое температура лопатки изменяется на величину, меньшую, чем допустимая погрешность измерения.
Поэтому для обработки сигнала пирометра может быть предложена следующая методика.
В сигнале пирометра выделяются участки, соответствующие отдельным оборотам, с помощью алгоритмов, основанных на быстром преобразовании Фурье, описанных в [4]. Затем диапазон измеряемых температур делится на уровни квантования, для каждой лопатки находится максимумы температур по нескольким последовательным оборотам и вычисляется количество попаданий значений максимумов лопаток в каждый уровень. Поскольку амплитуда помех принимает случайные значения по нормальному закону распределения, а значения максимумов температур лопаток изменяются незначительно, то количество попаданий в уровень квантования, соответствующий температуре лопатки, будет расти быстрее, чем количество попаданий в остальные уровни. Таким образом, уровень квантования с максимальным числом попаданий за некоторое количество оборотов N будет соответствовать реальной максимальной температуре лопатки.
Количество необходимых оборотов N для определения максимальной температуры каждой лопатки зависит от степени зашумленности сигнала, которая может быть выражена через процентное соотношение длительности помех к длительности всего сигнала (£■%). Для получения этой зависимости была построена модель в которой сначала моделируется идеальный сигнал, соответствующий одному обороту ротора турбины, а затем на этот сигнал накладываются помехи, нормально распределенные во времени, с заранее известной величиной &%. Помехи моделируются как завышение и занижение амплитуды идеального сигнала, продолжительность помехи и коэффициент, на который умножается значение отсчета полезного сигнала генерируются случайным образом с нормальным законом распределения (см. рис. 4.).
-г
15
Номер
лопатки
Рис. 4. Моделируемый сигнал, соответствующий одному обороту турбины: а - без помех; б - с количеством помех 20%
Чем больше к%„ тем больше нужно оборотов для того, чтобы температура идеального сигнала совпала с вычисляемым значением уровня квантования, соответствующему максимальному числу попаданий значений максимумов моделируемого сигнала. На рис. 5 показан график зависимости количества необходимых оборотов для совпадения от к%.
Количество оборотов N
Рис. 5. Зависимость количества необходимых оборотов до совпадения от к%
При вероятности возникновения помех более 60% помехи в сигнале встречаются настолько часто, что участки незашумленого сигнала встречаются настолько редко, что рост числа попаданий в квантовый уровень, соответствую-
щий реальной температуре, происходит медленней, чем в остальные квантовые уровни и обработка данным способом становится бессмысленной. На рис. 6. показан такой сигнал.
k Амплитуда
“Г
15
лопатки
Рис. 5. Моделируемый сигнал с количеством помех 60%
Для того, чтобы знать сколько оборотов необходимо для обработки реального сигнала осуществляется кластерный анализ, что может быть показано на самоорганизующихся картах Кохонена [5].
Исходные данные для кластерного анализа представляют собой массив отсчетов цифрового сигнала размером два периода оборота турбины. Оба выделенных периода разделяются на z равных частей, каждая из которых соответствует распределению температуры на одной лопатке, таким образом получают 2z участков сигнала, которые можно рассматривать как кластеризи-руемые объекты. Для каждого объекта находят параметры, описанные в табл. 1. В результате получают обучающую выборку (см. табл. 2), которая может быть подвергнута анализу с помощью карт Кохонена, например, в программном пакете Deductor, Somap Analyzer. Чем больше количество объектов в обучающей выборке, тем точнее результат анализа, но при этом увеличивается время обработки. Для модели сигналов вполне достаточно количество объектов равное 2z, а в бортовых это значение может достигать 5-7z.
Т аблица 1 Параметры кластерного анализа
Параметр Описание
Tmax Максимальное значение сигнала на участке
Tmin Минимальное значение сигнала на участке
Tmed Среднее значение сигнала на участке
Grad Максимальный модуль производной на участке
в
б
Т аблица 2
Пример фрагмента данных обучающей выборки, строки которой соответствуют кластеризуемым объектам
Ттак Ттіп Ттесі Бгасі
ЗЭЗб 12ЄЗ 2БЄ8 704
2403 1230 1970 185
5795 1034 339Є 1718
5082 853 2530 1154
4142 788 2485 1174
3828 1133 2811 808
4517 997 2781 808
2458 1188 1888 307
зеоэ 1023 2582 7Є4
3488 1072 2115 811
4128 880 2Б8Є 987
4142 881 2188 1131
5190 13Є0 3253 828
3822 834 2144 858
5Є14 837 3157 104Є
2561 1358 19Є8 288
4743 1533 3209 1176
зеоэ 1014 2144 791
По обучающей выборке строятся карты, с количеством кластеров, равным 2.
На рис. 6 представлены 6 самоорганизующихся карт Кохонена, построенные по обучающей выборке сигнала с 30% помех, на которых объекты обучающей выборки разбиты на 2 кластера, граница между кластерами обозначена толстой черной линией в правом нижнем углу каждой карты.
нала, искаженным помехами. Отношение суммы числа попаданий во второй кластер к количеству кластеризуемых объектов равное 22 ,будет равно процентному содержанию помех в сигнале с допустимой погрешностью в 4%. Для определения этой погрешности были проведены эксперименты: при известном содержании помех в сигнале строились карты кохонена по соответствующим выборкам и определялось процентное содержание помех в сигнале по карте НйМар (подсчитывает число попаданий в кластер). На рис. 7 показан график реального процентного содержания определяемых помех к% и полученные значения процентного содержания помех к%коь по карте Нйшар для разных значений.
Рис. 7. Процентное содержание помех в сигнале: а - ко%коЬ. полученное по карте Ніїшар; б - график реального процентного содержания определяемых помех к%0.
Как видно из графика, погрешность определения тем меньше, чем больше помех встречается в сигнале.
Таким образом, данная методика особенно хорошо подходит для реализации в бортовых условиях при работе двигателя в установившемся режиме, когда сигнал без помех является стационарным.
Рис. 6. Самоорганизующиеся карты Кохонена, построенные по параметрам кластеризации унифицированной матрице расстояний (итаШх) и числу попаданий (НкМар)
Кластеры резко отличаются по величине параметров. Первый кластер - ячейки помеченные кружками, в него попали участки сигнала, которые не были искажены помехами. Второй кластер - ячейки с темным фоном, сюда попали объекты, которые соответствуют участкам сиг-
СПИСОК ЛИТЕРАТУРЫ
1. Информационная технология интеграции интеллектуального пирометрического модуля в систему управления, контроля и диагностики (БАВЕС) ГТД / Е. В. Распопов [и др.] // Вестник УГАТУ. 2010. № 38.
2. Чепайкин А. С., Чернышев В. Ю. Создание аппаратно-программного комплекса для измерения температуры лопаток ротора ГТД // Актуальные проблемы науки и техники: Сб. тр. 4-ой всероссийск. зимн. шк.-сем. аспирантов и молодых ученых. Уфа, 2009. С. 554-558.
3. Токарев В. П. Оптический пирометр в системе термометрирования ГТД // Вестник УГАТУ. 2008. № 26.
4. Методика обработки цифрового периодического сигнала произвольной формы с широкополосными помехами / М. А. Ураксеев [и др.] // Вестник УГАТУ. 2011. № 41.
5. Хайкин С. Нейронные сети: полный курс изд. Диалектика, 2008. 1104 с.
ОБ АВТОРАХ
Ураксеев Марат Абдулович, проф. каф. инф.-изм. техники. Дипл. инженер-механик (Таш-кентск. политехн. ин-т, 1963). Д-р техн. наук по элементам и устройствам вычислительн. техники и систем управления. Иссл. в обл. волоконно-оптическ. датчиков для техн. процессов и производств.
Мунасыпов Рустэм Анварович, проф. каф. техн. кибернетики. Дипл. инженер электрон. техн. (УАИ, 1982). Д-р техн. наук по системному анализу, управлению и обработке информации (УГАТУ, 2003). Иссл. в обл. интеллектуальных и адаптивных систем управления сложными динамическими объектами.
Жернаков Сергей Владимирович, зав. каф. инф.-изм. техники. Дипл. инж. по пром. электронике (УГАТУ, 1984). Д-р техн. наук по системн. анализу, управлению и обработке информации (УГАТУ, 2005). Иссл. в обл. интеллектуальных систем.
Чернышев Владимир Юрьевич, асп. той же каф. Дипл. магистр по инф.-измерительн. технике и технологии (УГАТУ, 2008). Иссл. в обл. систем оптической пирометрии.
Чепайкин Александр Сергеевич, асп. каф. техн. кибернетики. Дипл. магистр по автоматизации и управлению (УГАТУ, 2008). Иссл. в обл. цифровой обработки сигналов.
