Publikacje

Streszczenie:

W artykule przedstawiono zaawansowaną metodologię diagnostyczną do oceny usterek mechanicznych w wysokowydajnych silnikach odrzutowych z wykorzystaniem bezkontaktowej wibrometrii laserowej i analizy drgań opartej na transformacie Fouriera. Skupiając się na silnikach Pratt & Whitney F100-PW-229 stosowanych w samolotach F-16, badania te identyfikują krytyczne punkty pomiarowe, w tym przekładnię, turbinę i wsporniki sprężarki. Sygnały drgań o wysokiej rozdzielczości zebrano w warunkach laboratoryjnych i przetworzono za pomocą technik fFast Fourier tTransform (FFT) w celu wyodrębnienia cech w dziedzinie częstotliwości, wskazujących na niewyważenie wirnika, zużycie łożysk i anomalie strukturalne. Analiza porównawcza silników nominalnych i zdegradowanych potwierdziła silne korelacje między przewidywaniami analitycznymi a empirycznymi wzorcami widmowymi. Niniejsze badanie wprowadza ramy przetwarzania sygnałów łączące analizę czasowo-częstotliwościową z selekcją cech opartą na Relief-F, co stanowi podstawę przyszłej integracji z algorytmami uczenia maszynowego. Ta bezinwazyjna metoda diagnostyczna wspomaga wczesne wykrywanie usterek, zwiększa dostępność silnika i przyczynia się do rozwoju krajowej bazy danych referencyjnych dotyczących drgań, co jest szczególnie istotne w przypadku braku narzędzi dostarczanych przez producentów OEM.

Abstract:

This study presents an advanced diagnostic methodology for assessing mechanical faults in high-performance jet engines using non-contact laser vibrometry and Fourier-based vi-bration analysis. Focusing on Pratt & Whitney F100-PW-229 engines used in F-16 aircraft, thise research identifies critical measurement locations, including the gearbox, turbine, and compressor supports. High-resolution vibration signals were collected under test bench conditions and processed using fFast Fourier tTransform (FFT) techniques to extract frequency-domain features indicative of rotor imbalances, bearing wear, and structural anomalies. Comparative analysis between nominal and degraded engines confirmed strong correlations between analytical predictions and empirical spectral patterns. Thise study introduces a signal processing framework combining time–frequency analysis with Relief-F-based feature selection, laying the groundwork for future integration with machine learning algorithms. This non-intrusive, efficient diagnostic method supports early fault detection, enhances engine availability, and contributes to the development of a na-tional vibration reference database, especially vital in the absence of OEM-supplied tools.

POWRÓT

Strona główna > Publikacje

Advanced Spectral Diagnostics of Jet Engine Vibrations Using Non-Contact Laser Vibrometry and Fourier Methods