基于超声检测的一种汽轮机叶片在线损伤状态评估系统的制作方法

本发明涉及汽轮机叶片，尤其涉及基于超声检测的一种汽轮机叶片在线损伤状态评估系统。

背景技术：

1、汽轮机叶片是汽轮机中的核心部件，其工作性能直接影响到汽轮机的整体运行效率和安全性。叶片在汽轮机中承担着将蒸汽的热能转换为机械能的重要任务，因此其工作状态和性能对于汽轮机的整体性能具有至关重要的影响。通过对汽轮机叶片的损伤状态进行评估，可以及时发现叶片存在的安全隐患，并采取相应的维修或更换措施，从而避免叶片故障对汽轮机整体运行造成的影响。这不仅可以提高汽轮机的运行安全性，还可以降低因故障停机带来的经济损失。相控阵超声检测技术能够穿透叶片材料，检测到内部的微小缺陷，并且可以根据需要调整检测角度和深度，实现对叶片的全面检测。

2、现有技术中，汽轮机运行环境复杂多变，包括温度、湿度、振动等多种因素的干扰，这些因素可能测量值不准确，例如，在高温环境下，材料的弹性模量会发生变化，导致共振频率偏移；在振动强烈的场合，共振信号可能会被噪声淹没，使得检测结果难以识别，因此，提出基于超声检测的一种汽轮机叶片在线损伤状态评估系统。

技术实现思路

1、本发明的目的是为了解决现有技术中存在，汽轮机运行环境复杂多变，包括温度、湿度、振动等多种因素的干扰，这些因素可能测量值不准确的缺点，而提出的基于超声检测的一种汽轮机叶片在线损伤状态评估系统。

2、为了实现上述目的，本发明采用了如下技术方案：

3、基于超声检测的一种汽轮机叶片在线损伤状态评估系统，包括：

4、超声检测模块：负责使用相控阵超声检测，通过激发叶片的共振模式，并监测共振频率和振型的微小变化，捕捉到叶片内部结构的微小损伤或裂纹；

5、信号处理模块：负责对超声检测模块采集到的信号进行滤波、去噪、特征提取等处理操作，提取出与叶片损伤状态相关的关键信息；

6、损伤评估模块：负责征判断叶片的损伤程度和类型，并给出评估结果；

7、数据管理模块：负责数据的收集、存储、处理和传输，包括原始检测数据、处理后的信号特征、评估结果等；

8、环境补偿模块：负责根据实时监测到的环境参数(如温度、湿度、振动等)，运用环境补偿算法对超声检测模块的检测数据进行校正和补偿，以消除环境因素对测量结果的影响；

9、故障预警与诊断模块：当系统检测到异常或故障时，自动发出预警信号，并提供故障诊断信息；

10、所述超声检测模块将捕获的原始反射波信号传输给信号处理模块，所述信号处理模块将处理后的信号特征传输给损伤评估模块，所述损伤评估模块将评估结果传输给数据管理模块和故障预警与诊断模块，所述数据管理模块接收超声检测模块、信号处理模块和损伤评估模块传输的数据，所述环境补偿模块将校正后的数据传输给超声检测模块，所述故障预警与诊断模块接收损伤评估模块以及数据管理模块传输的数据或异常信息。

11、上述技术方案进一步包括：

12、进一步地，所述超声检测模块包括超声波发射单元、超声波接收单元、信号激励与采集电路以及共振分析单元，所述超声波发射单元负责向叶片发射超声波信号，所述超声波接收单元负责接收叶片在共振状态下产生的振动信号，所述信号激励与采集电路负责产生激励信号以激发叶片的共振，并采集叶片在共振状态下的振动信号，所述振动信号经过初步处理后，转换为数字信号，所述共振分析单元接收来自信号激励与采集电路的数字信号，进行共振频率和振型的分析，通过比较不同时间点的共振特性，评估叶片的结构变化和损伤情况，所述超声波发射单元、超声波接收单元以及信号激励与采集电路之间通过电信号进行交互，实现超声波的发射和振动信号的采集，所述信号激励与采集电路将采集到的振动信号传递给共振分析单元进行处理。

13、进一步地，所述信号处理模块使用数字信号处理器进行滤波、去噪、特征提取等处理操作，所述信号处理模块首先会对接收到的信号进行滤波处理，所述滤波处理目的是去除信号中的高频噪声和干扰成分，保留与叶片损伤相关的低频有用信息，在滤波处理的基础上，所述信号处理模块采用去噪技术，减少信号中的噪声干扰，经过滤波和去噪处理后，所述信号处理模块会对信号进行特征提取，从信号中提取出能够表征叶片损伤状态的特征参数，如信号的幅值、相位、频率、波形等，所述特征参数将为后续的损伤评估提供重要的数据支持。

14、进一步地，所述损伤评估模块包括机器学习模型、数据库以及接口单元，所述机器学习模型是损伤评估模块的核心部件，负责根据输入的信号特征进行损伤评估，所述数据库用于存储和调用机器学习模型及其训练数据，所述数据库需要具备良好的数据管理和访问能力，以确保模型能够迅速准确地完成评估任务，所述接口单元负责损伤评估模块与信号处理模块之间的数据交互，所述接口单元定义清晰的数据格式和通信协议，确保两个模块之间能够顺畅地传递数据和指令，所述信号处理模块将提取出的信号特征通过接口单元传输给损伤评估模块，所述接口单元将处理后的信号特征输入到机器学习模型中，所述机器学习模型在训练过程中需要访问存储在数据库中的训练数据，同时，所述机器学习模型的评估结果被存储在数据库中。

15、进一步地，所述数据管理模块包括数据库管理系统、数据存储设备、数据传输接口以及数据处理单元，所述数据库管理系统负责数据的组织、存储、检索和维护，所述数据库管理系统提供数据访问接口，使得其他模块能够方便地存取数据，所述数据存储设备包括如硬盘、ssd等，用于实际存储数据，所述数据传输接口包括以太网接口、串口等，用于实现不同模块之间的数据通信，所述数据传输接口遵循通信协议和标准，以确保数据的正确传输和接收，所述数据处理单元是一个独立的处理器或dsp(数字信号处理器)，负责执行数据处理算法以提取信号特征。

16、进一步地，所述环境补偿模块包括环境参数监测单元以及数据处理单元，所述环境参数监测单元包括温度传感器、湿度传感器、振动传感器等设备，负责实时采集环境参数值，所述数据处理单元负责执行环境补偿算法，并对采集到的环境参数值进行处理，所述数据处理单元接收环境参数值，所述数据处理单元从超声检测模块获取原始的测量数据(如超声波的发射与接收时间等)，在处理过程中，所述数据处理单元根据环境参数值对原始测量数据进行校正和补偿，并生成最终的测量结果。

17、进一步地，所述数据处理单元利用机器学习对原始测量数据进行校正和补偿，具体步骤：

18、数据收集：收集环境参数监测单元监测的环境参数数据和对应的超声检测模块测量数据，这些数据应覆盖各种不同的环境条件，如不同的温度、湿度和振动水平；

19、数据预处理：对收集到的数据进行清洗和格式化，以消除噪声和异常值，这可能包括去除无效数据、填补缺失值和标准化数据等；

20、特征工程：从原始数据中提取有用的特征，这些特征将作为机器学习模型的输入，特征可能包括温度、湿度、振动等环境参数，以及超声波的传播时间、信号强度等测量数据；

21、模型选择：选择机器学习模型来模拟环境因素与超声波传播特性之间的关系；

22、模型训练：使用收集到的数据集训练机器学习模型；

23、模型验证和测试：在独立的验证集和测试集上评估模型的性能；

24、模型部署：将训练好的模型部署到实际应用中，用于实时监测环境参数并校正超声波传感器数据；

25、持续学习和优化：随着时间的推移，收集更多的数据并使用收集的数据来重新训练和优化模型，以提高其准确性和适应性。

26、进一步地，在模型选择中，所述数据处理单元选择支持向量回归模拟环境因素与超声波传播特性之间的关系。

27、进一步地，在模型训练中，所述支持向量回归尝试找到最优的超平面，使得数据集上的预测误差最小；

28、支持向量回归的目标是最小化以下损失函数：

29、

30、同时满足约束条件：

31、yi-(wtxi+b)≤ε+ξi,ξi≥0

32、

33、其中，w是超平面的法向量，b是超平面的偏置，ξi和是松弛变量，c是正则化参数，ε是损失函数的容忍度。

34、进一步地，所述故障预警与诊断模块包括故障预警算法单元、故障诊断算法单元以及用户交互界面单元，所述故障预警算法单元根据预设的预警规则和阈值，对处理后的数据进行实时分析，以判断系统是否处于异常或故障状态，一旦检测到异常，将触发预警信号在预警信号触发后，所述故障诊断算法单元利用故障诊断算法对异常数据进行深入分析，确定故障的具体类型、位置和原因，所述用户交互界面单元包括显示屏、报警灯、声音提示等，用于向运行维护人员展示预警信号、故障诊断结果以及相关的维修建议。

35、本发明具备以下有益效果：

36、1、本发明中，根据实时监测到的环境参数，运用环境补偿算法对超声检测模块采集到的信号进行校正和补偿，以消除环境因素对测量结果的影响，能够适应复杂多变的运行环境，提高测量值的准确性。

37、2、本发明中，相控阵技术能够提供高精度的检测，因为它可以灵活地聚焦在叶片上的不同区域，从而提高检测的准确性，快速扫描整个叶片，大大减少了检测时间，提高了生产效率，同时，通过实时评估，可以实现预防性维护，避免因叶片损伤导致的停机和维修成本。