航空发动机叶片每秒钟旋转数百次，任何微小的振动异常都可能引发致命故障。传统接触式监测如同“给高速旋转的风扇贴应变片”，不仅安装繁琐，还易损坏叶片；而叶尖定时（BTT）技术虽以非接触优势成为新宠，却因传感器数量有限陷入“信号欠采样困境”——就像用3个相机拍摄百米赛跑，难以捕捉完整动作。我国西安交通大学和中国航发四川燃气涡轮研究院团队提出改进的最小方差无失真响应（IMVDR）谱方法，通过“空间平滑”技术重构信号，将叶片振动频率识别误差降低60%，相关成果发表于《Frontiers of Mechanical Engineering》，为航空安全装上“智慧听诊器”。

叶片振动的“高速相机”：BTT技术如何突破监测瓶颈？
叶尖定时（BTT）技术相当于给发动机叶片装上“高速相机”——在机匣上安装3-5个传感器，通过记录叶片通过时的时间差计算振动位移。但受限于机匣空间，传感器数量不足导致采样频率仅为叶片振动频率的1/10，如同用低帧率拍摄快速运动，画面严重“卡顿”。传统傅里叶变换处理这类信号时，会出现“频率混叠”，就像快速翻动的漫画书出现重影，无法分辨真实振动频率。

为破解这一难题，团队受雷达“方向-of-arrival（DoA）估计”技术启发：将 circumferentially arranged 传感器比作雷达天线阵列，叶片振动频率视为“信号来源方向”。IMVDR技术则像“信号解码器”，通过空间平滑技术将杂乱的欠采样信号“梳理成整齐的书架”——把长信号分割成重叠“快照”，每个快照独立计算协方差矩阵再平均，避免传统方法中高阶矩阵求逆的“算力黑洞”。

从实验室到试车台：IMVDR如何碾压传统算法？
团队在实验室构建1:1叶片旋转测试台，模拟4000转/分钟的发动机工况，用5个传感器采集信号。对比MUSIC、ESPRIT等7种算法后发现：

低信噪比下的“火眼金睛”：当信噪比降至5dB（相当于发动机轰鸣中的微弱振动），IMVDR的频率估计均方根误差（RMSE）仅0.8Hz，是MUSIC算法的60%，更是传统傅里叶变换的1/4；
工程实战验证：在某型发动机试车中，IMVDR成功捕捉到4360转/分钟时的335Hz共振频率，与有限元仿真结果偏差小于3Hz，而MUSIC算法因噪声干扰出现“频率断裂”（图13）。
更关键的是，IMVDR计算效率提升显著：处理1024点信号仅需44.69秒，与MUSIC算法相当，但精度更高；而传统MVDR算法因迭代运算耗时是其5倍。

航空安全的“技术防线”：未来还需突破哪些难关？
这项技术让发动机叶片监测从“定期体检”升级为“实时监护”，但研究也指出局限性：在极端转速波动时，信号“快照”可能失配，导致频率识别带宽扩大至±5Hz；此外，振幅估计精度仍受限于频率网格大小。团队计划下一步引入动态网格调整算法，让IMVDR像“自适应镜头”一样兼顾精度与效率。

从民航客机到战斗机，发动机叶片的每一次振动都牵动着飞行安全。我国科学家用IMVDR技术破解了“欠采样魔咒”，为万亿航空市场提供了“中国方案”。下次乘坐飞机时，或许正是这项藏在发动机里的“信号解码术”，在默默守护你的万米高空之旅。

来源: FME机械工程前沿