Periodically Non-Stationary Properties of Vibrations in a Gas Turbine Engine with an Unbalanced Rotor

І. Яворський; Ю. Торба; Р. Юзефович; Є. Сбродов; О. Личак

doi:10.15407/scine21.06.038

Автор(и)

І. Яворський Фізико-механічний інститут ім. Г. В. Карпенка НАН України https://orcid.org/0000-0003-0243-6652
Ю. Торба Державне підприємство “Запорізьке машинобудівне конструкторське бюро ПРОГРЕС” імені академіка О.Г. Івченка” https://orcid.org/0000-0001-8470-9049
Р. Юзефович Фізико-механічний інститут ім. Г. В. Карпенка НАН України https://orcid.org/0000-0001-5546-453X
Є. Сбродов Державне підприємство “Запорізьке машинобудівне конструкторське бюро ПРОГРЕС” імені академіка О.Г. Івченка” https://orcid.org/0009-0005-7614-008X
О. Личак Фізико-механічний інститут ім. Г. В. Карпенка НАН України https://orcid.org/0000-0001-5559-1969

DOI:

https://doi.org/10.15407/scine21.06.038

Ключові слова:

газотурбінний двигун, вібрація, періодичні нестаціонарні випадкові процеси, оцінка частоти, математичне сподівання, дисперсія

Анотація

Вступ. Амплітудний спектр вібрацій газотурбінного двигуна визначається за допомогою перетворення Фур’є сигналу, а спектр потужності — спектрального перетворення Блекмана-Тьюкі. Оскільки експериментальні дані описуються сумою гармонічного і випадкового процесів, то обидві процедури є неадекватними при аналізі мішаних сигналів.
Проблематика. Аналіз стану балансування роторів газотурбінних двигунів проводять на основі величини регулярної складової вібрацій на частоті обертання ротора. У складі вібраційного сигналу присутні низка різних, зокрема й стохастичних, компонент, які слід врахувати при обробці сигналу для отримання його реальних оцінок. Використання моделі вібраційного сигналу як періодично нестаціонарного випадкового процесу (ПНВП) дозволяє коректно розділити регулярну/детерміновану та стохастичну складові.
Мета. Порівняльний аналіз періодичної нестаціонарності вібраційних сигналів газотурбінних двигунів з небалансованим і добалансованим роторами.
Матеріали й методи. Аналіз вертикальних складових вібраційних сигналів небалансованого та добалансованого газотурбінних двигунів проведено у низькочастотній області (<2 кГц). Застосовано модель вібраційного сигналу газотурбінного двигуна як періодично нестаціонарного випадкового процесу та МНК-функціонал для визначення базових частот детермінованих та стохастичних складових сигналу.
Результати. Оцінено кореляційні та спектральні функції вібраційних сигналів, базові частоти їхніх регулярних та
стохастичних складових. Показано, що спектри вібрацій газотурбінного двигуна з балансованим і небалансованим ротором є змішаними. Виявлено полігармонійність спектрів детермінованих коливань та визначено амплітуди гармонік.
Висновки. Запропоновані індикатори вібраційного стану двигунів можуть бути використані для їх балансування у процесі налагодження та ремонту. Подальші дослідження будуть зосередженні на аналізі структури полігармонійності спектрів вібросигналів і розробці методології виявлення дефектів на ранніх стадіях розвитку.

Завантаження

Дані завантаження ще не доступні.

Посилання

Djaidir, B., Hafaifa, A., Kouzou, A. (2017). Faults detection in gas turbine rotor using vibration analysis under varying conditions. J. theoretical and applied mechanics, 55(2), 393—406. https://doi.org/10.15632/jtam-pl.55.2.393

Fábry, S., Češkovič, M. (2017). Aircraft gas turbine engine vibration diagnostics. Review Articles, 5(4), 24—28. https:// doi.org/10.14311/MAD.2017.04.04

Pérez-Ruiz, J. L., Luis, J., Tang, Yu., Loboda, I., Miró-Zárate, L. A. (2024). An Integrated Monitoring, Diagnostics, and Prognostics System for Aero-Engines under Long-Term Performance Deterioration. Aerospace, 11(3), 217. https://doi. org/10.3390/aerospace11030217.

Rath, N., Mishra, R., Kushari, A. (2022). Aero engine health monitoring, diagnostics and prognostics for condition-based maintenance: an overview. Int. J. Turbo Jet. Engines. 40(s1), s279—s292. https://doi.org/10.1515/tjeng-2022-0020

Grządziela, A. (2006). Analysis of vibration parameters of ship gas turbine engines. Polish Maritime Research, 13(2), 22—26. URL: https://journal.mostwiedzy.pl/pmr/article/view/1230/1156 (Last accessed: 07.07.2025).

Fentaye, A. D., Baheta, A. T., Gilani, S. I., Kyprianidis, K. G. (2019). A review on gas turbine gas-path diagnostics: stateof-the-art methods, challenges and opportunities. Aerospace, 6(7), 83. https://doi.org/10.3390/aerospace6070083

Mishra, R. K., Thomas, J., Srinivasan, K., Nandi, V., Bhatt, R. R. (2015). Investigation of HP turbine blade failure in a military turbofan engine. Int. J. Turbo Jet Engines, 34(1), 23—31. https://doi.org/10.1515/tjj-2015-0049

Hanachi, H., Mechefske, C., Liu, J., Banerjee, A., Chen, Y. (2018). Performance-based gas turbine health monitoring, diagnostics, and prognostics: a survey. IEEE Trans. Reliab., 67(3), 1340—1363. https://doi.org/10.1109/tr.2018. 2822702

Tahan, M., Tsoutsanis, E., Muhammad, M., Karim, A. (2017). Performance-based health monitoring, diagnostics and prognostics for condition-based maintenance of gas turbines: A review. Appl. Energy, 198, 122—144. https://doi.org/10. 1016/j.apenergy.2017.04.048

Zaidan, M., Relan, R., Mills, A., Harrison, R. (2015). Prognostics of gas turbine engine: An integrated approach. Expert Systems with Applications, 42(22), 8472—8483. https://doi.org/10.1016/j.eswa.2015.07.003

Stamatis, A. G. (2011). Evaluation of gas path analysis methods for gas turbine diagnosis. J. Mech. Sci. Technol., 25(2), 469—477. https://doi.org/10.1007/s12206-010-1207-5

Heng, A., Zhang, S., Tan, A., Mathew, J. (2009) Rotating machinery prognostics: state of the art, challenges and opportunities. Mech. Syst. Signal Process., 23(3), 724—739. https://doi.org/10.1016/j.ymssp.2008.06.009

Muszynska, A. (1995). Vibrational Diagnostics of Rotating Machinery Malfunctions. Int. J. Rotating Machinery, 1(3—4), 237—266. https://doi.org/10.1155/S1023621X95000108

Jardine, A., Lin, D., Banjevic, D. (2006). A review on machinery diagnostics and prognostics implementing conditionbased maintenance. Mech. Syst. Signal Process., 20(7), 1483—1510. https://doi.org/10.1016/j.ymssp.2005.09.012

Jiang, X., Yang, S., Wang, F., Xu, S., Wang, X., Cheng, X. (2021). OrbitNet: A new CNN model for automatic fault diagnostics of turbomachines. Applied Soft Computing, 110, 107702. https://doi.org/10.1016/j.asoc.2021.107702

Wang, C., Chen, C. (2001). Bifurcation of Self-Acting Gas Journal Bearings. ASME J. Tribol., 123(4), 755—767. https:// doi.org/10.1115/1.1388302

Aretakis, N., Mathioudakis, K., Kefalakis, M., Papailiou, K. (2004). Turbocharger Unstable Operation Diagnosis Using Vibroacoustic Measurements. ASME. J. Eng. Gas Turbines Power, 126(4), 840—847. https://doi.org/10.1115/1.1771686

Bonello, P., Pham, H. M. (2014). Nonlinear Dynamic Analysis of High Speed Oil-Free Turbomachinery With Focus on Stability and Self-Excited Vibration. ASME. J. Tribol., 136(4), 041705. https://doi.org/10.1115/1.4027859

Soleimani, M., Campean, F., Neagu, D. (2021). Diagnostics and prognostics for complex systems: a review of methods and challenges. Qual. Reliab. Eng. Int., 37(7), 3746—3778. https://doi.org/10.1002/qre.2947

Lakshminarasimha, A. N., Boyce, M. P., Meher-Homji, C. B. (1994). Modeling and analysis of gas turbine performance deterioration. J. Eng. Gas Turbines Power, 116(1), 46—52. https://doi.org/10.1115/1.2906808

Marinai, L., Probert, D., Singh, R. (2004). Prospects for aero gas-turbine diagnostics: a review. Appl. Energy, 79(1), 109— 126. https://doi.org/10.1016/j.apenergy.2003.10.005

Napolitano, A. (2020). Cyclostationary processes and time series: Theory, applications, and generalizations. Elsevier, Academic Press, 2020. https://doi.org/10.1016/C2017-0-04240-4

Koopmans, L. H. (1974). The spectral analysis of time series [by] L. H. Koopmans. New York.

Kay, S. M. (1988). Modern Spectral Estimation: Theory and Application. New Jersey.

Javorskyj, I. (2013). Mathematical models and analysis of stochastic oscillations. Lviv [in Ukrainian].

Javorskyj, I., Matsko, I., Yuzefovych, R., Lychak, O., Lys, R. (2021). Methods of hidden periodicity discovering for gearbox fault detection. Sensors, 21(18), 6138. https://doi.org/10.3390/s21186138

Javorskyj, I., Yuzefovych, R., Matsko, I., Zakrzewski, Z., Majewski, J. (2017). Coherent covariance analysis of periodically correlated random processes for unknown non-stationarity period. Dig. Signal Process., 65, 27—51. https://doi.org/10. 1016/j.dsp.2017.02.013

Javorskyj, I., Yuzefovych, R., Matsko, I., Zakrzewski, Z. (2022). The least square estimation of the basic frequency for periodically non-stationary random signals. Dig. Sign. Proc., 122, 103333. https://doi.org/10.1016/j.dsp.2021. 103333

Javorskyj, I., Yuzefovych, R., Lychak, O., Semenov, P., Sliepko, R. (2023). Detection of distributed and localized faults in rotating machines using periodically non-stationary covariance analysis of vibrations. Measurement Science and Technology, 34(6), 065102. https://doi.org/10.1088/1361-6501/acbc93