[發明專利]一種基于圖像識別的風扇葉片疲勞極限衰減智能監測方法

在審

• 申請號: 202011055879.1
• 申請日: 2020-09-29
• 公開（公告）號: CN112288135A
• 公開（公告）日: 2021-01-29
• 發明（設計）人: 牛序銘;彭秋洪;孫志剛;宋迎東;李亞松
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06F30/20;G06F30/17;G06T7/00;G06T7/62;F04D27/00;G06F119/04
• 代理公司: 南京鐘山專利代理有限公司 32252
• 代理人: 戴朝榮

本發明公開了一種基于圖像識別的風扇葉片疲勞極限衰減智能監測方法，步驟為：S1、搭建風扇葉片快速顯微分析系統；S2、按照掃掠的方式分別拍攝新、舊風扇葉片的表面，得到不同葉片的完整顯微照片；S3、分析顯微照片，提取葉片表面的劃痕、裂縫、凹坑的損傷特征；S4、對葉片表面損傷狀態參數進行定量化；S5、對風扇新葉片和不同服役時長的舊葉片分別進行振動疲勞試驗；S6、獲得葉片的疲勞極限數據；S7、基于小樣本的人工智能算法，實現通過訓練數據建立響應面的方法；S8、建立基于葉片表面狀態特征的疲勞極限衰退智能預測算法，得到葉片表面損傷狀態參數與葉片疲勞極限退化程度的對應關系。本發明可以快速預測葉片疲勞極限的衰減。

技術領域

本發明屬于葉片疲勞極限衰減監測技術領域，具體涉及一種基于圖像識別的風扇葉片疲勞極限衰減智能監測方法。

背景技術

風扇葉片是航空渦輪風扇發動機的重要件，其安全性和完整性對整機性能有極大影響，另外存在葉型單薄、數量眾多、載荷狀態嚴酷和工作環境復雜等特點，風扇葉片在發動機中一直被列為故障率最高的結構件之一。風扇葉片位于發動機最前端，自身動力特性對服役環境敏感，致使葉片的損傷模式是多樣的、復雜的。由不均勻氣流激振作用引起的葉片振動是不平穩的、隨機的，因此無法采用與輪盤類似的載荷譜方法對其壽命展開研究；同時，風扇葉片在砂塵沖刷和腐蝕氣氛下工作導致葉片表面質量下降，進而使葉片的疲勞極限下降。目前，對于渦扇發動機風扇葉片的耐久性研究尚不全面，大量的研究集中于外物損傷和嚴重腐蝕對于葉片高周疲勞性能的影響，上述形式的損傷可通過視情維護進行處理，但針對長期氣流沖刷和腐蝕耦合引發葉片表面質量下降并導致葉片疲勞極限下降的現象尚缺乏可靠、精確和深入的研究。

目前，國內針對某型發動機開展了風扇葉片第一級和第三級工作葉片的新舊葉片疲勞極限對比試驗，試驗結果表明，使用了750小時的舊葉片的疲勞強度相對于新葉片有10％以上的下降，且第一級工作葉片的下降程度更加明顯。上述結果表明，不同級的風扇葉片的疲勞極限下降有顯著區別，并且基于使用時間考慮發動機壽命的思想是較為傳統的基于機群的發動機壽命管理模式，無法精確反映每臺發動機的使用環境和使用強度的不同，采用這種方法分析的結果在同型號的不同發動機上會表現出較為明顯的誤差。

因此需要提出一種能夠直接反映發動機使用強度和使用環境的表征參數來描述渦扇發動機風扇葉片的損傷狀態，并研究該損傷狀態與風扇葉片疲勞極限之間的關系。經過查閱資料，認為葉片表面狀態可以直觀反映出葉片的使用強度和使用環境，并且葉片表面損傷直接影響了葉片的疲勞極限，因此，選用葉片表面狀態作為描述葉片使用過程中損傷的參量，建立基于葉片表面質量特征的葉片疲勞極限預測方法，對于航空渦扇發動機在翻修中如何快速確定葉片疲勞極限是否滿足使用要求極為關鍵。

發明內容

本發明的針對現有技術中的不足，提供一種基于圖像識別的風扇葉片疲勞極限衰減智能監測方法，實現快速確定風扇葉片的疲勞極限是否滿足使用要求的目的。

為實現上述目的，本發明采用以下技術方案：一種基于圖像識別的風扇葉片疲勞極限衰減智能監測方法，包括如下步驟：

S1、搭建風扇葉片快速顯微分析系統，對葉片表面特定區域的快速顯微照片拍攝；

S2、使用快速顯微分析系統，按照掃掠的方式分別拍攝新、舊風扇葉片的表面，得到不同葉片的完整顯微照片；

S3、分析新、舊風扇葉片的顯微照片，利用圖像識別和分析的方法提取葉片表面的劃痕、裂縫、凹坑的損傷特征；

S4、對葉片表面損傷狀態參數進行定量化，識別并統計劃痕長度、凹坑面積、損傷方位參數，計算獲得單位面積內劃痕長度、單位面積內凹坑面積比定量參數；

S5、對風扇新葉片和不同服役時長的舊葉片分別進行振動疲勞試驗；

S6、獲得葉片的疲勞極限數據；