روش جدید پایش نوک پره توربین با استفاده از سنسور مایکروویو و الگوریتم کلاسه بندی K نزدیک ترین همسایه (k-NN)

در این مقاله، یک سنسور مایکروویو باند k برای پایش پره توربین شبیه سازی و در نرم افزار CST بهینه سازی شده است و با استفاده از یک مدل ساده شده توربین در نرم افزار CST اثر قرار دادن سنسور در بدنه توربین بررسی شده است و چنانچه هر تغییر شکل در نوک تیغه و یا جابجایی در فاصله مابین نوک تیغه تا پوسته انجام گردد پارامتر پراکندگی این سنسور تغییر می کند و پارامتر پراکندگی بدست آمده از سنسور به عنوان اثر انگشت تیغه توربین تعریف می شود. در این مقاله شاخص های اندازه گیری مبتنی بر پارامترهای پراکندگی میدان نزدیک سنسور مایکروویو بعنوان سیستم تشخیص خرابی نوک تیغه و همچنین الگوریتم کلاسه بندی k-NN برای تفسیر پارامترهای پراکندگی قابل اندازه گیری به منظور تعیین مقدار خرابی بعنوان روشی جدید برای پایش پره توربین ارایه گردیده است. مزیت این روش پایش برخط پره توربین با استخراج کامل شاخص های اندازه گیری ناشی از پارامترهای پراکندگی یک پره نمونه بوده و نشان داده شده است که روش طبقه بندی k-NN دقت قابل قبولی در شناسایی و تعیین مقدار فاصله نوک پره توربین از پوسته و تغییر شکل نوک پره دارد چراکه در این روش درصد خطا می تواند به زیر 1.8 درصد برسد.