一種水輪發電機組的故障特征提取方法技術

本發明專利技術公開了一種水輪發電機組的故障特征提取方法，該方法基于二維經驗模態分解和全矢譜分析，綜合考慮經驗模態分解方法的優缺點以及水輪發電機組的振動信號情況，解決了傳統方法難以獲取全面、準確的提取結果的問題。本發明專利技術方法能全面、準確地從水輪發電機組實測的復雜振動信號中檢測出故障早期信號的特征頻率。且診斷結果的可靠性較高，方便運行維護人員及時對此故障進行處理，避免事故的發生，從而保證整個系統的安全經濟高效運行。

Fault feature extraction method for hydraulic generator set

The invention discloses a turbine generator unit fault feature extraction method, the method based on the two-dimensional empirical mode decomposition and the full vector spectrum analysis of vibration signal, considering the empirical mode decomposition method the advantages and disadvantages of the hydroelectric generating unit, solves the problem that traditional methods can not obtain the extraction results comprehensively and accurately the problem. The method of the invention can comprehensively and accurately detect the characteristic frequency of the early signal of the fault in the complex vibration signal measured by the hydroelectric generating set. The reliability of the diagnosis result is higher, and it is convenient for the operators to deal with this problem in time, so as to avoid the accident and ensure the safety, economy and high efficiency of the whole system.

【技術實現步驟摘要】
一種水輪發電機組的故障特征提取方法
本專利技術屬于故障診斷
，具體涉及一種水輪發電機組的故障特征提取方法。
技術介紹
隨著我國水力行業的發展，水輪機組逐漸向著單機容量大、工況復雜的方向發展，其運行過程中故障的產生和發展包含大量的不確定性因素，且水輪機的振動信號往往表現為非線性、非平穩性的特點。水輪機組的振動信號能夠反映水輪發電機組的運行狀態，因此分析和研究水輪機組的振動信號意義重大。但是由于水電機組故障的復雜性、多樣性、耦聯性和不確定性，一種故障可能存在多方面特征和征兆，多種故障因素之間相互影響和制約，致使機組故障振動信號內蘊含著相互混疊的故障特征信息，因此采用單一通道進行信號分析和特征提取往往達不到滿意的效果，這是必須解決的問題。在進行水輪機的故障診斷過程中，一般采用時頻分析方法，如短時傅里葉變換、Wigner-Ville分布、小波變換和經驗模態分解等方法。FFT、Wigner-Ville分布方法都是比較適用于線性信號，對處理這種非平穩信號而言就顯得非常困難，不太適合處理水輪機組這種非線性信號。近幾年，小波分析的提出以后，便得到廣泛的認同和應用，但它也會帶來一些問題，如小波基選擇困難，參數敏感和平穩性假設等，對非線性信號的處理結果不是十分理想。經驗模態分解是一種新的時頻分析方法，由于它可以根據設定的尺度不同而進行自適應的分解，因而具有非常強的自適應性，特別適合對水輪機組這種非平穩信號進行分析和特征提取。但是經驗模態分解只能處理一維信號，且存在端點效應、模態混疊等問題，因而提取效果往往不夠理想。
技術實現思路
本專利技術的目的是提供一種水輪發電機組的故障特征提取方法，該方法基于二維經驗模態分解和全矢譜分析，綜合考慮經驗模態分解方法的優缺點以及水輪發電機組的振動信號情況，解決了傳統方法難以獲取全面、準確的提取結果的問題。本專利技術所采用的技術方案是，一種水輪發電機組的故障特征提取方法，包括以下步驟：步驟1：利用水輪發電機組安裝的振動傳感器獲得水平和垂直的原始信號x(t)，y(t)，從而得到一個復信號z(t)＝x(t)+iy(t)；步驟2：確定投影方向步驟3：將復信號z(t)投影到上，得到步驟4：提取的局部最大值時所對應的時刻然后對集合進行插值，得到在方向上的極大值包絡；步驟5：計算各個方向上極大值包絡線所對應的質心m(t)；步驟6：計算S(t)＝z(t)-m(t)，并判斷S(t)是否滿足IMF的條件，如果滿足，則令Si(t)＝S(t)，轉入步驟7；若不滿足，則令z(t)＝S(t)，然后重復步驟3-6，直至滿足條件；步驟7：從信號中分離出第i個IMF分量；mi(t)＝z(t)-Si(t)判斷mi(t)是否為單調函數，如果是，則循環結束，得到n個滿足條件的IMF分量；如果不是，則令z(t)＝mi(t)，轉到步驟3；步驟8：將得到的各階固有模態分量IMFi(i＝1,2,…,n)分成實部IMF1i(i＝1,2,…,n)和虛部IMF2i(i＝1,2,…,n)，計算出各個模態分量與其對應的原始信號的互信息；步驟9：對互信息做歸一化處理；步驟10：篩選模態分量。選取閾值，將模態分量與原信號的互信息小于閾值的作為虛假分量進行剔除，并將模態分量與原信號的互信息大于閾值的分量進行重構；步驟11：將重構得到的序列組成一組復序列，并對構造的復序列進行Fourier變換；步驟12：計算分析序列的全矢譜，通過全矢譜圖得到水輪發電機組的故障特征。本專利技術的特點還在于：步驟8具體為：將得到的各階固有模態分量IMFi(i＝1,2,…,n)分成實部IMF1i(i＝1,2,…,n)和虛部IMF2i(i＝1,2,…,n)，計算分量IMF1i和IMF2i原始信號x(t)，y(t)的邊緣概率分布p(IMF1i)、p(IMF2i)、p(x)、p(y)，計算實部分量IMF1i與原始信號x(t)的聯合概率分布分別為p(IMF1i,x)，虛部分量IMF1i與原始信號y(t)的聯合概率p(IMF2i,y)，從而得到各個模態分量與其對應的原始信號的互信息本專利技術的有益效果是，本專利技術提出的水輪發電機組的故障特征提取方法，能全面、準確地從水輪發電機組實測的復雜振動信號中檢測出故障早期信號的特征頻率。且診斷結果的可靠性較高，方便運行維護人員及時對此故障進行處理，避免事故的發生，從而保證整個系統的安全經濟高效運行。附圖說明圖1為本專利技術中實測水輪發電機組轉輪振動信號波形圖；圖2為本專利技術實測振動信號X方向信號的頻譜圖；圖3為本專利技術實測振動信號Y方向信號的頻譜圖；圖4為本專利技術故障特征提取的方法流程圖；圖5為本專利技術實測振動信號BEMD的分解結果；圖6為本專利技術實測振動信號X方向BEMD的分解結果；圖7為本專利技術實測振動信號Y方向BEMD的分解結果；圖8為本專利技術通過互信息篩選得到的重構信號的全矢譜。具體實施方式下面結合附圖和具體實施方式對本專利技術作進一步的詳細說明，但本專利技術并不限于這些實施方式。下面以某水輪發電機組的故障特征提取為例。在該水輪發電機組燈泡體結構(安裝在其他結構也可)同時安裝水平和垂直兩個振動傳感器，兩個傳感器的采樣長度為1024個點，采樣頻率為229HZ，水輪機組的額定轉速為107.1r/min，最大水頭為25.7m，額定水頭16.1m，水輪機的功率為49MW。首先利用水輪發電機組安裝的振動傳感器獲得水平和垂直的原始信號x(t)，y(t)，兩個方向上的原始信號如圖1所示。然后對兩個方向的原始信號進行傅里葉變換，得到圖2和圖3。圖2中，轉頻與100Hz頻率是機組本身所具有的特征頻率，除此之外，還具有能量較高的10倍頻和15倍頻的信號。圖3中轉頻與100HZ的頻率具有較高的能量，這與圖2反映的結果是一致的，并同時具有能量較高的15倍頻，這與圖2的結果也是一致的。與圖2不同的是，圖3中具有能量較高的低頻信號，并且不具有10倍頻信號。可見兩個方向提取的信號特征是不一致，而信號特征提取的結果往往會影響對機組故障狀態的判斷。由上述結果可看出，不同通道特征提取的結果不一致。因此采用本專利技術故障診斷方法對水輪發電機組進行診斷，如圖4所示，在水輪發電機組正常運行過程中，通過以下步驟進行故障診斷。步驟1：利用水輪發電機組安裝的振動傳感器獲得水平和垂直的原始信號x(t)，y(t)，從而得到一個復信號z(t)＝x(t)+iy(t)。步驟2：確定投影方向其中1≤k≤M，M為設定的投影方向數，該值越大，效果越理想，本文中設定M＝32。步驟3：將復信號z(t)投影到上，得到步驟4：提取的局部最大值時所對應的時刻然后對集合進行插值，得到在方向上的極大值包絡步驟5：計算各個方向上極大值包絡線所對應的質心m(t)步驟6：計算S(t)＝z(t)-m(t)(3)并判斷S(t)是否滿足IMF的條件，如果滿足，則令Si(t)＝S(t)，轉入步驟7。若不滿足，則令z(t)＝S(t)，然后重復步驟3-6，直至滿足條件。這里判斷是否滿足IMF條件的方法是由Huang給出的類似于Cauchy收斂準則的標準，它定義了如下標準差：通常將SD取值為0.2到0.3之間，即滿足0.2<SD<0.3時篩分過程就結束。此標準的物理意義為：既要使得Si(t)足夠接近IMF的要求，又要控制篩分的次數從而使得所得到的IMF分量本文檔來自技高網...

【技術保護點】
一種水輪發電機組的故障特征提取方法，其特征在于，包括以下步驟：步驟1：利用水輪發電機組安裝的振動傳感器獲得水平和垂直的原始信號x(t)，y(t)，從而得到一個復信號z(t)＝x(t)+iy(t)；步驟2：確定投影方向

【技術特征摘要】
1.一種水輪發電機組的故障特征提取方法，其特征在于，包括以下步驟：步驟1：利用水輪發電機組安裝的振動傳感器獲得水平和垂直的原始信號x(t)，y(t)，從而得到一個復信號z(t)＝x(t)+iy(t)；步驟2：確定投影方向步驟3：將復信號z(t)投影到上，得到步驟4：提取的局部最大值時所對應的時刻然后對集合進行插值，得到在方向上的極大值包絡；步驟5：計算各個方向上極大值包絡線所對應的質心m(t)；步驟6：計算S(t)＝z(t)-m(t)，并判斷S(t)是否滿足IMF的條件，如果滿足，則令Si(t)＝S(t)，轉入步驟7；若不滿足，則令z(t)＝S(t)，然后重復步驟3-6，直至滿足條件；步驟7：從信號中分離出第i個IMF分量；mi(t)＝x(t)-Si(t)判斷mi(t)是否為單調函數，如果是，則循環結束，得到n個滿足條件的IMF分量；如果不是，則令x(t)＝mi(t)，轉到步驟3；步驟8：將得到的各階固有模態分量IMFi(i＝1,2,…,n)分成實部IMF1i(i＝1,2,…,n)和虛部IMF2i(i＝1,2,…,n)，計算出各個模態分量與其對應的原始信號的互信息；步驟9：對互信息做歸一化處理；步驟10：篩選模態分量，選取閾值，將模態分量與原信號的互信息小于閾值的作為...

【專利技術屬性】
技術研發人員：賈嶸，馬富齊，武樺，黨建，趙佳佳，謝永濤，
申請(專利權)人：西安理工大學，
類型：發明
國別省市：陜西,61