离心式压缩机广泛应用于石油化工、航空航天等领域,在重工业体系中占有十分重要的地位。叶片是离心压缩机的核心做功部件,在工作过程中承受流体载荷、离心力等的综合作用。随着现代工业的不断发展,压缩机常常需要工作在复杂多变的工况下,导致叶片容易出现裂纹、断裂等不同程度的故障。一旦叶片出现故障,不仅会带来巨大的经济损失,更会给相关人员的生命安全带来威胁。因此,急需开展对叶片的状态在线监测及故障预警方法研究进而防止事故的发生,为压缩机长期可靠的运行提供保障。本文按照叶片健康状态的变化趋势设计研究思路和框架。首先,从源头出发对影响叶片状态的不稳定流场的脉动特性进行研究。接着,考虑到在流场脉动载荷等因素的作用下叶片容易产生振动,开展关于叶片的状态在线监测方法研究。最后,针对叶片在长期振动的情况下不可避免地会出现疲劳失效的问题,进一步开展关于叶片故障预警方法的研究。论文主要工作包括:针对压缩机内部流场的不稳定流动会对叶片状态产生影响,而当前关于其脉动机理的实验研究较为不足无法深入揭示流场脉动特性的问题,提出了基于循环平稳的流场不稳定脉动特性实验分析方法。首先,对循环平稳理论进行阐述。接着,深入研究基于快速谱相关的循环平稳理论实现算法。最后,设计从大流量至近喘流量的多个流量工况点,开展实验采集不同流量下的流场压力脉动信号,并利用所研究的快速谱相关算法对信号进行分析,有效地揭示了流场的不稳定脉动特性随流量的变化过程。针对在离心压缩机运行过程中对叶片振动的在线监测需求,建立误差模型分析传统叶尖定时技术的测振误差,并相应地提出了改进的叶尖定时测振方法。误差分析模型的建立以叶尖定时技术的基本测试原理为基础,由该模型分析了实际测试时各不稳定因素对传统叶尖定时方法测试精度的影响。根据分析结果指出,对于大型离心压缩机,传感器振动会给测振结果的精度带来较大的影响。为保证测试结果的有效性,进而提出了均值化定时信号作为键相参考的改进叶尖定时方法。通过理论分析和实验证明了所提出的改进方法的优越性,可有效反映叶片的真实振动信息。针对叶片的故障识别问题,从压力脉动信号的角度入手监测叶片状态。并为此提出了两种基于随机共振理论的微弱特征识别方法,从测试数据中识别出叶片的故障特征频率。首先,提出了基于多尺度噪声调和的自适应双稳随机共振方法。其方法主要内容为对目标信号进行经验模式分解,从分解结果中选择敏感本征模态分量并对其系数进行调和,达到构造多尺度噪声的目的。通过遗传算法对双稳随机共振系统的参数进行自适应寻优,以得到具有最优信噪比的输出信号。接着,提出了基于连续小波变换预处理与改进势函数随机共振系统相结合的特征识别方法。其基本思路为通过连续小波变换对目标信号进行分析得到时间-尺度谱。选择特定尺度进行信号重构,实现对信号的滤波预处理。将Woods-Saxon和Gaussian势相结合作为随机共振系统新的势函数,用以提高其特征增强效果。最后,开展实验并利用所提出的两种方法处理单通道压力脉动数据,有效地识别出了叶片的微弱故障特征频率。针对无故障先验知识下有效的叶片故障预警问题。首先,为充分融合不同传感器通道的压力脉动数据信息,提出了基于稀疏盲源分离的双通道信息融合微弱特征识别方法。在此基础上,进一步重点研究了基于压力脉动与叶尖定时信号相结合的故障预警方法。该方法利用压力脉动信号中提取的异常低频频域指标,与叶尖定时信号中识别的异常相对幅值比时域指标进行联合诊断。通过同时满足时域和频域指标预警叶片故障,并进一步可通过振幅最大点定位具体故障叶片。最后,开展实验证明了所提出的预警方法的有效性。