Wavelet Features and Hidden Markov Model-Based Aerodynamic Instability Detection for Compressors
Wavelet Features and Hidden Markov Model-Based Aerodynamic Instability Detection for Compressors
复制标题
基于小波特征和隐马尔可夫模型的压缩机气动不稳定性检测
DOI：
10.1115/1.4044495
复制
发表时间：
2019-11
影响因子：
1.7
通讯作者：
Hua Hongxing
中科院分区：
文献类型：
--
作者：
Wang Jiaqi;Chen Jin;Dong Guangming;Hua Hongxing
介绍了一种基于小波特征和隐马尔可夫模型（HMM）的压气机气动不稳定性检测方法。如果仔细选择传感器的位置，则单个传感器足以用于失速警告。该方法包括在靠近前缘的转子尖端附近获得高响应压力信号。然后提取旋转不稳定性带小波特征并训练HMM;使用正常操作条件下的数据，计算性能指数（PI）。本文讨论了失速前的非定常行为，并利用机匣壁面压力图对叶尖泄漏涡（TLV）的形成机理进行了探讨，这有助于解释不同特征选择和探针位置对PI结果的影响。实验结果表明，PI趋势指数能较好地表征压气机亚音速气动不稳定性。
A reliable technique is introduced to detect aerodynamic instability of compressors based on wavelet features and hidden Markov model (HMM). A single sensor is sufficient for stall warning if the position of the sensor is carefully selected. The method involves obtaining high-response pressure signal near the rotor tip close to the leading edge. Rotating instabilities band wavelet features are then extracted and trained for the HMM; using data under normal operating conditions, the performance index (PI) is calculated. Unsteady behaviors in prestall processes are discussed and casing wall pressure maps are implemented to explore the mechanism of tip leakage vortex (TLV), which are helpful in explaining the various PI results from different feature selections and probe locations. Experimental results show that the trend indices of PI suitably characterize the compressor aerodynamic instability in subsonic operation.
登录
查看更多内容
影响因子：
6.4
作者：
Dong, Ming;He, David
通讯作者：
He, David
DOI：
10.1016/s0065-2458(08)60404-0
发表时间：
1993
期刊：
Adv. Comput.
影响因子：
--
作者：
Franziska Wulf
通讯作者：
Franziska Wulf
影响因子：
1.7
作者：
A. Young;I. Day;G. Pullan
通讯作者：
A. Young;I. Day;G. Pullan
影响因子：
8.8
作者：
G. Pullan;A. Young;I. Day;E. Greitzer;Z. Spakovszky
通讯作者：
G. Pullan;A. Young;I. Day;E. Greitzer;Z. Spakovszky
影响因子：
1.7
作者：
Mailach, R;Lehmann, I;Vogeler, K
通讯作者：
Vogeler, K