随着燃气轮机在航空航天、舰船和电力工业中扮演着越来越重要的角色,它们的安全和高效运行对系统安全性和经济性影响也越来越重要。由于燃气轮机结构的复杂性及工作条件的恶劣性,会使得燃气轮机较难运行在健康状态下。因此,为了提高燃气轮机运行可靠性,减少事故发生,有必要对燃气轮机进行健康状态诊断研究,本文采用了气路诊断和声学诊断的方法开展了燃气轮机健康状态诊断的相关研究,主要工作包括:本文燃气轮机健康状态诊断的研究对象:压气机和涡轮的性能衰退状态、燃气轮机转子系统的轴承振动状态和燃气轮机的燃烧室燃烧振荡状态。在本文对于燃气轮机不同对象的健康状态诊断需要采用不同的诊断方法:利用气路诊断方法分析诊断燃气轮机压气机和涡轮性能衰退状态、利用声音诊断方法诊断分析燃气轮机转子系统轴承振动状态和利用声音诊断方法诊断分析燃气轮机燃烧室燃烧振荡状态。本文研究了气路诊断方法在燃气轮机性能衰退状态诊断中的应用,利用目标燃气轮机的运行样本数据,建立基于热力学方法的燃气轮机性能衰退模型、基于BP神经网络的燃气轮机性能衰退模型和BP神经网络与热力学方法相结合的燃气轮机性能衰退模型。并通过基于热力学方法的燃气轮机性能衰退模型分析压气机和涡轮性能衰退对整机性能参数的影响;对比基于BP神经网络的燃气轮机性能衰退模型和BP神经网络与热力学方法相结合的燃气轮机性能衰退模型的验证计算结果,得到以下的结论:(1)对于整机性能来说,对于流量的衰退比效率的衰退更加敏感,对于涡轮性能的衰退比对压气机性能的衰退更加敏感。(2)BP神经网络和热力学方法相结合建立的燃气轮机性能衰退模型和直接基于BP神经网络建立的燃气轮机性能衰退模型的计算精度都能满足燃气轮机性能衰退仿真计算的要求,但前者计算的精度更高,而后者则具有计算更方便的优势。(3)基于热力学方法的燃气轮机性能衰退模型可以用来诊断分析压气机和涡轮的性能衰退对整机性能衰退状态的影响,但其计算的精度低于BP神经网络建立的燃气轮机性能衰退模型。本文研究了声音诊断方法在燃气轮机转子系统轴承振动状态诊断分析中的应用,设计并搭建了轴承振动状态实验台。实验中同时采集轴承在正常状态和由于轴承部件发生磨损(内圈磨损、外圈磨损和滚动体磨损)导致轴承振动状态下的加速度信号和声音信号,研究了声音信号在轴承振动状态诊断中的应用。从实验结果中可以得到:(1)声音信号和加速度信号的时域特征基本上只能分辨出轴承是否发生振动,对于轴承具体的振动原因无法判别,因此其适用于诊断轴承运行中是否发生振动。(2)对于轴承振动状态的信号可以通过小波包分解和重构的方法得到振动信号的时域和频域特征。(3)声音信号和加速度信号在小波包分解后,虽然能量谱分布不一致,但振动状态与正常状态下的能量谱之差的最大子频带一致,并且由该子频带重构得到重构信号的主频特征一致。同时声音信号的抗干扰能力强于加速度信号。因此,声音诊断方法可以应用于轴承振动状态的诊断分析中,并且相较于加速度信号,声音采集具有非接触、抗干扰性强等优点。本文研究了声音诊断方法在燃烧室燃烧振荡状态诊断中的应用,设计并搭建了燃油的LPP燃烧室和燃气的DLN燃烧室的实验台架,进行了燃烧振荡实验采集相应工况的动态压力信号和声音信号进行对比分析。通过声音信号和压力信号特征的对比分析,来研究声音诊断方法在燃烧室燃烧振荡状态诊断的应用以及优劣性。通过实验研究可以得到以下的结论:(1)LPP燃烧室中,燃烧激发的燃烧振荡为自激振荡,因此可以通过分析燃烧室的声音信号和压力信号对燃烧室燃烧状态进行诊断分析。在入口空气流速不变的工况下,随着燃油流量的增加,燃烧室的声音和压力信号主频值和振幅变化的趋势一致。在燃油流量不变的工况下,随着空气流速的增加,燃烧室的声音和压力信号主频值和幅值变化的趋势一致。(2)LPP燃烧室中,声音信号比压力信号对燃烧室燃烧状态的变化过程更加敏感,可以用来分析和预测燃烧振荡;压力信号仅能反映燃烧室内燃烧振荡的主频变化,无法反应点火和熄火燃烧过程。(3)DLN燃烧室中,入口空气预热条件可以降低燃烧室内声音和压力信号的振荡幅值提高燃烧振荡的主频值,即可以降低燃烧室内的振荡强度。(4)DLN燃烧室中,声音信号和压力信号的特征随着燃烧室内当量比的变化趋势一致。声音信号对于工况的变化比压力信号更加敏感,可以更早的分析出燃烧振荡的主频信号。通过以上工作,在本文研究了气路诊断方法和声音诊断方法在燃气轮机健康状态诊断的应用,并得到了BP神经网络和热力学方法相结合的计算精度更高的燃气轮机性能衰退模型和声音诊断方法这一敏感性强、采集方便和抗干扰性强的诊断方法。