排灌机械工程学报

作者：朱敏, 段娟, 钱晶, 曾云, 单蓉

单位：昆明理工大学冶金与能源工程学院, 云南 昆明 650093

关键词：叶片裂纹检测,CFD,流固耦合,RIME-VMD,LSTM神经网络

基金：国家自然科学基金资助项目(52309113,52269020);云南省自然科学基金资助项目(202201AU070114,202204BW050001)

为及时检测水轮机转轮叶片的裂纹,监测机组健康状况并保障机组安全,提出了利用计算流体动力学(computational fluid dynamics, CFD)软件来模拟获得流固耦合振动信号,采用霜冰优化算法(RIME)、变分模态分解(variational mode decomposition, VMD)和长短时记忆(long short-term memory, LSTM)神经网络的智能故障诊断方法,实现对水轮机转轮叶片裂纹的高效检测和预测.首先,使用CFD计算流场信息,并通过流固耦合将其结果导入有限元分析(finite element analysis, FEA)软件中,从而获得健康和含裂纹叶片转轮的时域振动信号;接着,运用RIME对VMD的模态分量K值和惩罚因子α进行参数优化.优化后的VMD用于处理振动信号并分解为多个模态分量;最后,将这些模态分量作为输入,通过LSTM神经网络进行特征学习和识别.研究结果显示,此方法避免了获取叶片裂纹样本的经济损耗,大幅缩短了研发周期,并成功实现了精确的叶片裂纹故障识别.对于径向和轴向振动信号的裂纹故障诊断,总体识别准确率分别达到了93.033 0%和92.893 9%.〓

来源：2025年第8期

《排灌机械工程学报》期刊编辑部

查看排灌机械工程学报杂志2025年第8期