西安交通大学团队提出改进型MVDR算法 破解叶片振动监测世界难题

在航空发动机、燃气轮机等高端装备的核心部件中，高速旋转的涡轮叶片犹如"心脏瓣膜"，其健康状态直接决定设备寿命与运行安全。传统接触式监测技术因安装限制难以满足需求，非接触式的叶片尖端定时（Blade Tip Timing, BTT）技术虽被寄予厚望，却长期受困于严重的欠采样问题。近日，西安交通大学机械工程学院陈雪峰教授团队在《机械工程前沿》发表最新研究成果，创新性地将雷达阵列信号处理技术引入叶片监测领域，提出改进型最小方差无失真响应（Improved Minimum Variance Distortionless Response, IMVDR）算法，为这一世界性难题提供了中国解决方案。

叶片监测的"阿喀琉斯之踵"：欠采样困境

BTT技术通过在机匣布置多个非接触式探头，捕捉叶片旋转时的到达时间差异，进而推算振动参数。这种非接触式测量虽避免了传统应变片的安装限制，却面临物理条件导致的严重欠采样——单个叶片每转仅能获得数个采样点，远低于奈奎斯特采样定理要求。如同用稀疏的渔网捕捞高频振动信号，传统傅里叶变换等方法在低信噪比环境下极易产生频谱混叠，导致频率识别误差。

研究团队通过数值模拟揭示了传统方法的局限性：在转速6000rpm、振动频率1500Hz的典型工况下，常规压缩感知算法在信噪比低于15dB时，频率识别误差可达5%以上。这种误差在航空发动机高频振动监测中可能引发灾难性误判。

跨界创新：雷达技术赋能工业监测

研究团队突破传统思维框架，发现BTT探头阵列与雷达天线阵列在数学模型上的同构性。将周向布置的探头视为非均匀线性阵列，叶片振动频率识别问题被转化为雷达领域的方向到达（Direction of Arrival, DoA）估计问题。这种学科交叉的创新视角，为破解欠采样难题开辟了新路径。

团队核心成员杨来浩博士解释道："就像雷达通过天线阵列捕捉目标方位，我们将每个探头的采样视为阵列的空间采样，通过MVDR算法构建自适应滤波器，在抑制噪声干扰的同时精准提取振动频率特征。"研究还创新引入空间平滑技术，通过子阵列协方差矩阵平均法，有效解决了传统方法中协方差矩阵病态问题，使算法鲁棒性提升40%以上。

技术突破：从实验室到工程应用的跨越

为验证算法有效性，团队构建了包含蒙特卡洛模拟、半物理仿真和真实台架试验的三维验证体系。数据显示：在相同信噪比条件下，IMVDR算法较传统MUSIC算法频率分辨率提升2.3倍，计算效率提高58%；在转速波动±5%的复杂工况下，仍能保持0.1%以内的频率识别精度。更值得关注的是，该算法成功实现了多频振动信号的分离识别，在六探头配置下可同时精确解析三个不同频率分量。

"这项技术突破相当于为叶片装上了'CT扫描仪'。"论文第一作者靳若晨博士表示，"我们开发的自适应迭代框架，能够在线跟踪叶片固有频率的时变特性，这对早期裂纹检测具有重要价值。"目前，该算法已成功应用于某型燃气轮机叶片健康监测系统，累计预警3次潜在故障，避免直接经济损失超千万元。

产业化前景：撬动百亿级市场空间

随着全球能源装备智能化转型加速，BTT监测市场正以年均12%的速度增长。研究团队已与国内多家龙头企业开展合作，针对算法嵌入式部署进行优化，使计算延迟降低至毫秒级。团队负责人陈雪峰教授指出："下一代算法将融合数字孪生技术，实现振动特征与结构损伤的映射建模，推动设备健康管理从'事后维修'向'预测性维护'跃迁。"

这项突破不仅为航空发动机、重型燃气轮机等国之重器的安全运行提供技术保障，其揭示的"阵列信号处理+机械监测"方法论，更为解决复杂工业场景中的欠采样问题提供了普适性框架。随着《中国制造2025》深入实施，此类基础性创新将持续释放产业升级的乘数效应。

来源:  FME机械工程前沿