view in publisher's site

On-line detection of porosity change of high temperature blade coating for gas turbine

Highlights•An on-line coupling diagnosis algorithm for porosity change of thermal barrier coatings is proposed.•This coupling algorithm is based on gray gradient space histogram entropy and sparse representation-based classifier.•The coupling algorithm can predict the porosity of TBC with high accuracy.•The coupling algorithm has the best detection performance, compared with other algorithms.•The coupling algorithm can be used to evaluate the health of high temperature blades of gas turbine.AbstractThe health status of high-temperature blades is one of the key factors that affect the operation of the gas turbine. Since turbine blades usually work in high temperature and high pressure environments, the thermal insulation performance of Thermal barrier coating (TBC) is the main factor to determine the service life of high-temperature blades. The change of porosity of TBC has a great influence on its thermal insulation performance. In order to establish an on-line monitoring system for thermal insulation performance of high temperature blade TBC, it is necessary to obtain the microstructure evolution law of TBC in real time. In this work, a coupling algorithm based on Gray gradient space histogram entropy (GGSHE) and Sparse representation-based classifier (SRC) was developed. The investigation of this Non-destructive testing (NDT) method is important to evaluate the variation of the porosity of TBC with the service time by analyzing the image of the surface temperature distribution of the coating. The effectiveness of GGSHE is trained and verified by using the numerical data, and compared with other algorithms. The results show that the GGSHE has the best detection performance: the Average error rate (AER) of GGSHE is 3.23% under the constant working condition, and 4.18% under the changing working condition, which are both the best results. Moreover, when the microstructure of coating changes or the temperature legend of infrared thermal imaging becomes larger, GGSHE can still extract the feature of pores effectively and can achieve high detection accuracy. The detection time of GGSHE is 4.04 s, meeting the time requirements of on-line detection of high temperature blades.

تشخیص در خط تغییر تخلخل پوشش پره دمای بالا برای توربین گازی

نکات برجسته * یک الگوریتم تشخیص جفت شدگی آنلاین برای تغییر تخلخل پوشش‌های سد حرارتی پیشنهاد شده‌است. * این الگوریتم کوپلینگ مبتنی بر آنتروپی هیستوگرام فضای خاکستری و طبقه بند مبتنی بر نمایش تنک می‌باشد. الگوریتم کوپلینگ می‌تواند تخلخل TBC را با دقت بالایی پیش‌بینی کند. * الگوریتم کوپلینگ در مقایسه با سایر الگوریتم ها، بهترین عملکرد تشخیص را دارد. * الگوریتم کوپلینگ می‌تواند برای ارزیابی سلامت پره‌های دمای بالای توربین گازی استفاده شود. وضعیت سلامت پره‌های دمای بالا یکی از عوامل کلیدی است که بر عملکرد توربین گازی تاثیر می‌گذارد. از آنجایی که پره‌های توربین معمولا در دمای بالا و محیط‌های فشار بالا کار می‌کنند، عملکرد عایق حرارتی پوشش سد حرارتی (TBC)عامل اصلی تعیین عمر سرویس پره‌های دمای بالا می‌باشد. تغییر تخلخل TBC تاثیر زیادی بر عملکرد عایق حرارتی آن دارد. به منظور ایجاد یک سیستم نظارت آنلاین برای عملکرد عایق حرارتی TBC پره دمای بالا، به دست آوردن قانون تکامل ریز ساختار TBC در زمان واقعی ضروری است. در این کار، یک الگوریتم ترکیبی مبتنی بر آنتروپی هیستوگرام فضای گرادیان خاکستری (GGشفاهی)و طبقه بند مبتنی بر نمایش تنک (SRC)توسعه داده شد. بررسی این روش آزمون غیر مخرب (NDT)برای ارزیابی تغییر تخلخل TBC با زمان سرویس از طریق تحلیل تصویر توزیع دمای سطحی پوشش مهم است. کارایی GGشفاهی با استفاده از داده‌های عددی آموزش داده‌شده و مورد تایید قرار گرفته‌است و با سایر الگوریتم‌ها مقایسه شده‌است. نتایج نشان می‌دهد که GGher بهترین عملکرد تشخیص را دارد: میانگین نرخ خطا (AER)Gher تحت شرایط کاری ثابت ۳.۲۳ % و تحت شرایط کاری متغیر ۴.۱۸ % است که هر دو بهترین نتایج هستند. علاوه بر این، هنگامی که ریزساختار پوشش تغییر می‌کند یا دمای تصویر برداری حرارتی مادون‌قرمز بزرگ‌تر می‌شود، GGher هنوز هم می‌تواند ویژگی‌های منافذ را به طور موثر استخراج کند و به دقت تشخیص بالایی دست یابد. زمان تشخیص GGher ۴ / ۰۴ ثانیه است که با الزامات زمانی تشخیص آنلاین پره‌های دمای بالا مطابقت دارد.
ترجمه شده با


پر ارجاع‌ترین مقالات مرتبط:

  • مقاله Condensed Matter Physics
  • ترجمه مقاله Condensed Matter Physics
  • مقاله فیزیک ماده چگال
  • ترجمه مقاله فیزیک ماده چگال
  • مقاله Electronic, Optical and Magnetic Materials
  • ترجمه مقاله Electronic, Optical and Magnetic Materials
  • مقاله مواد الکترونیک، نوری و مغناطیسی
  • ترجمه مقاله مواد الکترونیک، نوری و مغناطیسی
  • مقاله Atomic and Molecular Physics, and Optics
  • ترجمه مقاله Atomic and Molecular Physics, and Optics
  • مقاله فیزیک اتمی، مولکولی و اپتیک
  • ترجمه مقاله فیزیک اتمی، مولکولی و اپتیک
سفارش ترجمه مقاله و کتاب - شروع کنید

با استفاده از افزونه دانلود فایرفاکس چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.