پایش سلامت پره ردیف اول کمپرسور توربین گاز زیمنس SGT-400 مبتنی بر پردازش سیگنال ارتعاشات پوسته و روش اجزاء محدود
پذیرفته شده برای ارائه شفاهی
کد مقاله : 1063-ISAV2024 (R1)
نویسندگان
1s_mortazavi@sbu.ac.ir
2ایران، تهران، دانشگاه شهید بهشتی، دانشکده مهندسی مکانیک و انرژی،
3شهید بهشتی
چکیده
امروزه پایش وضعیت شامل تشخیص آسیب ماشین آلات بصورت هوشمند بر اساس تکنیک‌های نگهداری و تعمیرات پیشگویانه می‌باشد. در این مقاله به شیوه تشخیص فرکانس‌های خرابی پره ردیف اول کمپرسور توربین گاز زیمنس مدل SGT-400 مبتنی بر آنالیز سیگنال‌های ارتعاشی از پوسته توربین و تحلیل اجزاء محدود پرداخته می‌شود. با تحلیل اجزاء محدود، فرکانس‌های طبیعی پره استخراج و نمودار کمپل در هارمونیک‌های تحریک ترسیم می‌شود. در ادامه فرکانس‌های بحرانی شناسایی شده و نمودارهای اسپکتروم فرکانسی مورد تجزیه تحلیل قرار می گیرد. اهمیت شناسایی فرکانس‌های خرابی پره بر روی اسپکتروم حاصل از پوسته توربین به عنوان شاخص وضعیت سلامت پره‌ها در ساعت کارکردهای بالا خواهد بود. در ادامه فرکانس‌های بحرانی شناسایی شده و نمودارهای اسپکتروم فرکانسی مورد تجزیه تحلیل قرار می گیرد. اهمیت شناسایی فرکانس‌های خرابی پره بر روی اسپکتروم حاصل از پوسته توربین به عنوان شاخص وضعیت سلامت پره‌ها در ساعت کارکردهای بالا خواهد بود. اهمیت شناسایی فرکانس‌های خرابی پره بر روی اسپکتروم حاصل از پوسته توربین به عنوان شاخص وضعیت سلامت پره‌ها در ساعت کارکردهای بالا خواهد بود.
کلیدواژه ها
Title
Health Monitoring of the first Stage Compressor Blade of Siemens SGT-400 gas turbine based on Casing Vibration Signal Processing and Finite Element Method
Authors
Seyed Ahmad Mortazavi, Abbas Rahi, Seyed Mohamad Jafari
Abstract
In this article, the method of detecting the failure frequencies of the first row blade of the Siemens SGT-400 gas turbine compressor based on the analysis of vibration signals from the turbine shell and finite element analysis is discussed. By finite element analysis, the natural frequencies of the vane are extracted and the Campbell diagram is drawn in the excitation harmonics. Next, the critical frequencies are identified and the frequency spectrum diagrams are analyzed. The importance of identifying the frequencies of blade failure on the spectrum obtained from the turbine shell will be as an indicator of the state of health of the blades in the hours of high operations. Next, the critical frequencies are identified and the frequency spectrum diagrams are analyzed. The importance of identifying the frequencies of blade failure on the spectrum obtained from the turbine shell will be as an indicator of the state of health of the blades in the hours of high operations.
Keywords
Siemens SGT-400 gas turbine, compressor blade, casing vibration signal processing, FEM