数据驱动模态分解诊断

利用动态模态分解方法可视化压气机叶尖泄漏涡的非稳态扰动结构，为失速预警技术提供诊断依据。

Lihui, Sun · 杨俊 · Liu, Xiaohua · 孙大坤 · 董旭

Physics of Fluids 2024

参数信息

扰动峰值频率降幅

41.36 %

主泄漏涡扰动频率

0.5 BPF

高频扰动阈值

1 BPF

技术优势

扰动结构看得见

动态模态分解提取主要相干结构，直接呈现各涡的扰动频率，无需猜测流动状态。

间隙影响定量化

给出扰动峰值频率随间隙的具体变化：从1.5%叶高到2%，121.3 RF降至70.96 RF，降幅41.36%，为设计权衡提供数字依据。

高频源头找到了

大于1倍叶片通过频率的扰动来自主泄漏涡与次级泄漏涡的相互作用和碰撞导致的涡脱落，而非主泄漏涡本身。

应用场景

• 压气机失速预警：为失速预警提供泄漏涡非稳态扰动结构，支撑提前检测。
• 流动诊断：用动态模态分解诊断叶尖区域非稳态流动，可视化主要相干结构。
• 叶轮机械：揭示压气机叶尖间隙对非稳态扰动的影响，指导叶轮机械设计。