点击蓝字 关注我们
01
内容概览
现有技术缺点：
航空发动机齿轮作为动力传输的关键部件，故障可能导致油路问题和动力中断，危及飞行安全，因此状态监测尤为重要。 现有的齿轮故障检测方法依赖振动传感器，但航空发动机在高温和高噪声环境下运行，给振动传感器带来严峻挑战，影响其监测准确性和可靠性。
文章亮点：
研究团队开发了一种新型压电振动传感器，使用PVDF、PI和碳纳米管（CNTs）制成的纳米纤维膜来提升压电性能，并通过加入PI材料有效减缓了高温对传感器性能的影响，使其在80℃下性能仅下降15%。
该传感器在高噪声、高温环境中依然具备高敏感度和稳定性，能够准确监测振动频率和加速度的变化。
结合深度学习算法，传感器对齿轮故障模式的识别准确率高达96.3%。
应用场景：
航空发动机智能健康管理： 传感器和故障识别系统能有效监测发动机齿轮的运行状态，适用于航空发动机的故障诊断与预防。
智能运维系统： 开发的数字孪生系统为航空发动机的实时状态监测和智能维护提供了创新解决方案，具有广泛应用前景。
总结：
这项研究提出了一种适用于高温、高噪声环境的新型压电振动传感器，并结合数字孪生和深度学习技术，有效提升了航空发动机齿轮故障识别的准确性和实时性。这为航空发动机智能化健康管理提供了新思路，有望提升飞行安全性。
文章名称：Gear-fault monitoring and digital twin demonstration of aircraft engine based on piezoelectric vibration sensor for engine health management
期 刊：《Nano Energy》（IF=16.8）
文章DOI：
https://doi.org/10.1016/j.nanoen.2024.110448
通讯作者：太原科技大学张阳副教授和太原理工大学张虎林教授
论文作者：太原科技大学博士生胡一剑为第一作者，郭瑞讲师为共同第一作者
02
图文简介
图1. 用于航空发动机齿轮故障监测的PVDF-PI纳米纤维膜压电振动传感器设计。(a) 航空发动机齿轮故障监测中压电振动传感器的示意图。(b) 振动传感器的结构图。(c) PVDF在静电纺丝过程中的构象转变模型。(d) 航空发动机故障监测的数字孪生系统框架。
图2. PVDF-PI纳米纤维膜的制造与表征。(a) 制备纳米纤维膜的电纺丝方法。(b) 具有9 ωt% PVDF和3 ωt% PI比例的纳米纤维膜的扫描电子显微镜(SEM)图像；比例尺，2 μm。(c) 不同PVDF和PI比例的PVDF-PI纳米纤维膜的X射线衍射(XRD)图谱。(d) 不同PVDF和PI比例的PVDF-PI纳米纤维膜的傅里叶变换红外光谱(FTIR)。(e) 不同PVDF和PI比例的PVDF-PI纳米纤维膜的差示扫描量热(DSC)分析。(f) 不同比例的纳米纤维膜的介电常数。(g) 由不同PVDF和PI比例制备的传感器的输出电压。(h) 由不同碳纳米管(CNTs)比例制备的传感器的输出电压。
图3. 振动传感器的电气性能表征。 (a) 含有1 ωt% CNTs的纳米纤维膜的模拟电位分布。(b) 不同接触压力下传感器的输出电压。(c) 不同直径的纳米纤维膜下传感器的输出电压。(d) 在不同振动频率和加速度下传感器的输出电压；插图：高频范围内的输出电压。(e) 在不同振动频率和加速度下传感器的输出电流；插图：高频范围内的输出电流。(f) 有无海绵情况下传感器的输出电压。(g) 在80℃环境下有无PI情况下传感器的输出电压。(h) 在不同温度下3 ωt% PI情况下传感器的输出电压。(i) 传感器在8000秒后的电气输出稳定性。
图4. 航空发动机齿轮故障识别与数字孪生演示。a) 配备压电振动传感器的航空发动机测试平台。(b) 齿轮点蚀的图像。(c) 健康齿轮、破损齿轮和点蚀齿轮的典型振动信号。(d) 齿轮状态模式特征分布的散点图。(e) 齿轮状态预测的混淆矩阵。(f) 齿轮状态模式识别的准确性。(g) 齿轮监测与故障识别的数字孪生系统。(h) 数字孪生系统为点蚀齿轮提供警报。
03
文献来源
https://doi.org/10.1016/j.nanoen.2024.110448
免责声明：《未来传感技术》致力于分享关于未来传感技术的科学科普和技术解读。所有内容来源均注明出处，如涉及版权问题，请作者第一时间后台联系，我们将24小时内删除。
