叶片是燃气涡轮发动机的核心部件,对发动机的安全运行起关键作用。因此,开展叶片故障诊断方法研究具有重要意义。目前叶尖定时等叶片状态监测方法在安装传感器过程中由于结构限制,传感器安装困难等原因无法实现机载测试,难以应用于发动机在线状态监测。本文研究了基于机匣振动信号的叶片固有频率监测方法,传感器安装简单,且不会影响发动机的运行状态,同时研究了数据处理中的关键技术阶次分析技术及其精度的影响因素,实验验证了算法能够有效监测ZT-3转子实验台的运行状态。论文主要研究工作如下:(1)研究了基于机匣振动信号的叶片固有频率分析方法的基本原理和窄带谱分析方法,通过叶片转子实验台验证了基于机匣振动信号测量叶片固有频率方法能够获得叶片的固有频率。(2)研究了计算阶次分析方法的算法原理和精度影响因素。仿真了不同加速度、采样率、速度等条件下的信号,研究了计算阶次分析精度影响因素。在ZT-3转子实验台进行实验,与亿恒商用软件对比,算法结果准确。(3)研究了最小二乘法自适应阶次分析的基本原理和数据预处理方法。数据预处理中将脉冲信号转换为转速信号,然后将转速信号转换为角位移信号,通过角位移信号与振动信号进行最小二乘法自适应阶次分析。在ZT-3转子实验台实验并与计算阶次分析方法对比,阐述了该算法的有效性和优缺点。(4)编制开发了基于Matlab-GUI的算法分析软件。软件涵盖了叶片固有频率分析,计算阶次分析,最小二乘法自适应阶次分析等功能,软件操作简便,界面友好。