Identificazione di dischi palettati da misure Blade Tip Timing mediante inferenza Bayesiana

Abstract

Il Blade Tip Timing (BTT) è la tecnica più diffusa per la misura delle vibrazioni delle pale rotanti nelle turbomacchine in esercizio. Il sistema è costituito da sensori installati sulla cassa che rilevano il passaggio delle pale davanti ai punti di misura. L’ampiezza di vibrazione viene stimata a partire dall’anticipo o dal ritardo del tempo di arrivo di ciascuna pala a ogni rivoluzione, causato dalla vibrazione stessa. In questo modo, il BTT rappresenta un’alternativa agli estensimetri, che richiedono cablaggi complessi e sistemi di telemetria dedicati. L’obiettivo di questo lavoro di tesi è affrontare uno dei principali limiti tecnologici del BTT: il sottocampionamento intrinseco del segnale rispetto ai requisiti imposti dal teorema di Nyquist-Shannon. In tali condizioni, l’identificazione dei modi di vibrare delle pale mediante tecniche di analisi spettrale convenzionali risulta problematica a causa della presenza di infinite componenti aliasate associate ai modi reali. Per superare questa limitazione, è stato sviluppato un algoritmo basato sull’inferenza bayesiana per l’identificazione delle componenti fisiche dello spettro a partire da dati BTT. In particolare, è stato definito un criterio per la determinazione dell’ordine ottimale del modello, consentendo di stimare in modo affidabile il numero di modi effettivamente osservabili nei dati sperimentali e di mitigare l’overfitting.

Blade Tip Timing (BTT) is the most widely used technique for measuring the vibration of rotating blades in operating turbomachinery. The system consists of casing-mounted sensors that detect the passage of the blades past the measurement points. The vibration amplitude is estimated from the lead or lag in the arrival time of each blade at every revolution, which is caused by the vibration itself. In this way, BTT represents an alternative to strain gauges, which require complex wiring and dedicated telemetry systems. The objective of this thesis work is to address one of the main technological limitations of BTT: the intrinsic undersampling of the signal with respect to the requirements imposed by the Nyquist-Shannon theorem. Under such conditions, identifying blade vibration modes using conventional spectral analysis techniques becomes problematic due to the presence of infinite aliased components associated with the real modes. To overcome this limitation, an algorithm based on Bayesian inference was developed to identify the physical components of the spectrum from BTT data. In particular, a criterion was defined to determine the optimal model order, allowing for a reliable estimation of the number of modes actually observable in the experimental data and mitigating overfitting.