轴流转桨式水轮机模型转变空化试验

轴流转桨式水轮机模型转变空化试验

0声信号检测方面做有进展的工作由于该局的干扰严重影响了该公司的正常运行，导致该公司的效率低下、结构破坏等问题。因此，国内外对该公司的空化进行了大量研究，其中在声音检测方面有许多进展[3、4、5、6、7、8、9、10、11、12、13、14、15、16和17]。提出了几种用于代表压缩强度的声音检测方法和公式，但未明确记录超声信号的结果与可见的压缩力。为此，在模型转轮空化试验的基础上，提出了针对轴流转桨式水轮机的空化程度声信号辨识方法，并且得到视频观测数据的验证，本文涉及试验过程的安排、如何评判辨识方法的优劣、空化程度的辨别方法、该方法的适用性和如何改进几个问题。1空化声试验结果2005年1月12日至13日，在哈尔滨大电机研究所水轮机试验台，进行了针对轴流转桨式水轮机的模型(D1=350mm)转轮空化试验，目的是测试不同桨叶角度下水头、功率和尾水位变化时的空化声信号，以期找出用声信号的特征判别水轮机空化严重程度的客观规律。试验选用4个频率范围达1MHz的宽带超声传感器(UT1000)采集空化声信号，1、2号传感器安装在活动导叶的轴上，3号传感器安装在转轮室外大约与桨叶裙边平齐的位置，4号传感器安装在尾水管外3号传感器下方约10cm处。该次试验选择了4个常用桨叶角度，每个桨叶角度下确定2～4个水头(见表1)，通过改变尾水位来调整空化状态，每个水头下调整5～8个尾水位，使模型机各工况下空化系数大致从0.8～0.2变化。每组不同的桨叶角度、水头和尾水位构成一个工况，每个工况重复采集40组空化声信号，试验总共测试了93个工况，采集了大量的空化声信号数据。模型转轮室透明，可以用闪频摄像观察里面的各种空化情况，试验过程中对转轮室的空化进行了录像。2录像观察与评价空化指当流道中水流局部压力下降至临界压力时，水中气核成长为气泡，气泡的聚积、流动、分裂、溃灭过程的总称。目前对水轮机中空化的评判都基本上通过空化系数来描述。由于水轮机中空化的多样性及复杂性，空化系数描述的是一种宏观的外在状态，并非空化严重程度本身，要说明空化本身的发展过程，应该用诸如气泡数、气泡密度、气泡大小及分布等来描述，这样才能更准确地反映空化本身的严重程度。录像观测虽然不能准确地数出气泡数，但气泡的多少疏密还是一目了然的，也就是说目前的技术条件下录像观测是最接近于能描述空化本身的手段。通过对模型转轮空化实验录像的观察，根据空化发展的过程可以把空化严重程度分为A、B、C和D四级(如图1)，A级指完全看不到气泡的状态，转轮叶片清晰可见；B级指转轮叶片裙边出现了轻度的空化气泡，叶片依然清晰；C级指转轮叶片上出现了成线柱状的空化气泡，转轮叶片裙边被气泡遮挡；D级指转轮叶片上裙边和根部都出现大量的空化气泡，以至看不清叶片。以此作为空化严重程度的标示和评价，通过超声信号的特征来判别这几个状态，如果能够判别则说明是一种有效的方法，换言之就是以录像观察为判据，判断声信号处理的结果是否符合实际。空化从无到有，发展到严重空化，是一个连续的过程，目前的分级描述了4个典型的空化状态，确立了有效的评判机制，但有可能一种空化程度实际介于C和D之间，但在评价系统中肯定不是C就是D，不会有中间状态。3噪声信号特征和空洞状态的识别3.1空化特征矢量由于4个传感器安装的位置及其本身的频率响应不同，从4个传感器接收到的声信号的频谱也各异，但是仍然有一些共同的特征：(1)总体特征上低频信号大于高频信号，随着频率的增加信号幅度在减小；(2)没有特别明显的频段能够决定是否存在空化及其严重程度，各频段都大同小异，没有与空化严重程度对应的线性关系；(3)随空化的加深，信号总的强度一般会加大，但并非空化最严重的时候最大，且各频段的变化不是同步的。分析上述特点后，提出了空化声信号特征矢量分类算法：对每次采集到的信号，取不同频段信号的方差作为该频段能量值的反映，由全频段组成一个多维矢量，为了消除信号强度随频率变化差异较大的问题，对不同频段的信号进行加权归一化处理，作为判断水轮机空化程度的特征矢量。每个桨叶角度下，选择4个标准矢量作参照，分别代表A、B、C、D四种不同的空化程度，用特征矢量跟标准矢量比较来判别信号对应的空化程度。3.2空化状态的判别根据声信号的频谱特点，划分为5个频段：0k～200kHz、200k～400kHz、400k～600kHz、600k～800kHz以及大于800kHz，从而每个通道每次采集的信号转换化为一个5维矢量，对该矢量各维的加权方法是都除以本次试验中该维(频段)信号的平均值，如图2所示，其过程是滤波、求方差、加权、最后通过该矢量在5维空间的位置关系来判断水轮机的空化状态，与哪个标准矢量接近，就说明其空化状态与其一样。空间中矢量点的相互关系可以用距离描述，也可以用角度描述，考虑了这两种方式，发现角度分类的效果更好，而且角度分类的方法还具有对幅度的绝对值没有要求，从而对信号通路的衰减不敏感等优点。图2中最后的判别是通过求距离或角度，判断由信号抽取出的矢量Pi与4个“标准”矢量中的哪个最接近，与PA最接近则表明空化严重程度为A，依次类推。加权系数kn的数学表达式为式中：I为总的信号数目；σ为信号的方差。第i次测量信号的矢量Pi=(σ2i1,σ2i2,⋅⋅⋅,σ2iN)，矢量的具体维数N为5。2个矢量的距离d和角度α的数学表达式为标准矢量是从试验测试数据中挑选出具有代表性的工况，按上述方式矢量化后求平均得到的。试验中有4个桨叶角度，每个角度下4个标准矢量，总共需要16个标准矢量。确定标准矢量后就可以对不同工况下测量到的所有声信号进行辨识，从而确定空化程度是A、B、C或者D级。3.3特征矢量分类如果把4个传感器采集的信号数据合起来，每个为5维矢量，每组信号构成一个总和为20维的矢量，这样不仅包含了频段信息，还综合了安装位置的信息，辨识可能会更准确。ψ为5°时测试了30个工况，有13个工况缺录像纪录，ψ为10°有23个工况，ψ为15°有27个工况，前8个工况状态不稳定，ψ为20°有13个工况，每个工况下都重复测试了40组数据。排除无录像和不稳定的21个工况，对剩余72个工况共计2880组数据进行处理，即对2280个声信号特征矢量进行分类，结果如表2所示。表2中A行的数据为通过录像观测认为没有空化时采集到的声信号处理结果，通过特征分类，有505组信号被认为无空化，14组信号被认为有B(轻度)级空化，1组被认为C级空化，没有信号被认为是严重空化，重合率为97%。没有使用“正确率”的原因：(1)考虑到测试过程中，水轮机的状态是有波动的，有可能真的有轻度空化；(2)既然是分类统计，说完全正确似乎不妥。B、C、D行数据意义依次类推，可以看出重合率在68%以上，效果是非常理想的。反过来说只要给出一组测试数据，告诉桨叶角度的条件下，通过特征分类法，就可以确定是在什么空化状态下测量得到的，可信度有多大。举例说明：假定一组数据特征分类法判定为B级空化，那么它实际上是A级空化的概率为2%，为B的概率是74%，为C的概率是13%，为D的概率为11%。表3给出了声信号特征矢量分类法实际值的概率分布，表3实际上是从表2导出的。4空化丰富程度的影响从表2和表3的数据来看，结果是非常令人满意的，只要给定桨叶角度，特征矢量分类法就能够确定当前水轮机中的空化状态，与录像的观测一致。随着桨叶角度的加大，水轮机的空化系数也加大，所以通过试验分别得到了4个桨叶角度下空化严重程度的标准矢量。但是，其他桨叶角度下的标准矢量如何确定呢？如果换成真机，模型转轮试验得到的标准矢量是否适用等还有待进一步研究。算法的本质是基于随着水轮机空化状态的变化，声信号分布在不同频率的能量变化率不同。上文的算法把频率划分为5个频段，是不是其他更细致的划分效果更好呢，而且在什么位置进行划分最优，全面考察这些问题是一个改进的方向。实际上任何的频段划分都是离散的，而声信号本身的频率分布是连续的，多小的频率间隔能够不失真的反映信号频率分布，取决于信号频率分布的变化率，变化缓慢分割的间隔就可以大些，变化迅速分割的间隔就需要小些。尽管只有A、B、C、D四个等级，但该算法能够较准确地判断空化的严重程度表明，空化的影响，不管是空化直接发射的声信号，还是空化仅仅改变了系统的传递函数，从而间接的改变了最终的结果，甚至仅仅是与之相伴的外界变化导致了声信号的改变，总之空化严重程度可以通过声信号来体现。A级空化时观测不到任何空化气泡，可以认为完全没有空化，此时得到的声信号完全是系统本身固有的，把此时的信号特征矢量作为一个基矢量VA。把空化监测过程中所有声信号的特征矢量V分解为VA和垂直于VA的矢量VVA，其矢量和V=aVA+VVA(a为标量)，用VVA作为空化的表征，这样可能更能反映空化本身造成的声信号变化。当然无论是VA和VVA都可能还不是独立分量，但是正交化处理是值得研究的方向。5声信号的频谱特性特征矢量分类法能很好的通过声信号的特征辨识水轮机的空化状态，从数据特征分析的层面上取得了良好的效果(由于没有对空化的机理、水轮机的本质传输特性