[發(fā)明專利]一種水電機組振動信號能量特征識別方法

在審

• 申請?zhí)枺?/td>: 202110789816.7
• 申請日: 2021-07-13
• 公開（公告）號: CN113688669A
• 公開（公告）日: 2021-11-23
• 發(fā)明（設(shè)計）人: 吳俊健;舒錦宏;徐靈江;呂延春;段文華;錢建國;呂連新;束炳芳;吳建新;羅俊;潘天航
• 申請（專利權(quán)）人: 國網(wǎng)浙江省電力有限公司緊水灘水力發(fā)電廠;南京南瑞繼保工程技術(shù)有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G01H17/00
• 代理公司: 杭州杭誠專利事務(wù)所有限公司 33109
• 代理人: 尉偉敏

本發(fā)明公開了一種水電機組振動信號能量特征識別方法，包括以下：采集原始信號，獲取水電機組振動的原始信號；推求微分信號，對采集到的原始信號進行微分處理得到微分信號；經(jīng)驗?zāi)B(tài)分解，對信號進行經(jīng)驗?zāi)B(tài)分解，將得到的若干個本征模函數(shù)組成本征模函數(shù)集；計算能量占比，本征模函數(shù)集中信號的總能量以及每個本征模函數(shù)的能量在總能量中的占比；能量特征矩陣，信號總能量和本征模函數(shù)能量比例組合成能量特征矩陣。本發(fā)明通過對原始信號的多重微分處理，增強信號的高頻分量，對被淹沒于原始信號中的高頻極值點進行恢復(fù)，然后對原始信號和微分信號進行經(jīng)驗?zāi)B(tài)分解來解決模態(tài)混淆的問題，提高了經(jīng)驗?zāi)B(tài)分解的適應(yīng)性和準(zhǔn)確信。

技術(shù)領(lǐng)域

本發(fā)明涉及水電機組故障診斷領(lǐng)域，尤其是涉及一種水電機組振動信號能量特征識別方法。

背景技術(shù)

水電機組狀態(tài)監(jiān)測和故障診斷的關(guān)鍵是對采集信號的處理，通過信號處理手段，提取有效的故障特征來定位故障點，能夠提高檢修效率和預(yù)告故障。經(jīng)驗?zāi)B(tài)分解是希爾伯特黃算法的核心，它依據(jù)數(shù)據(jù)自身的時間尺度特征來進行信號分解，形成有限個本征模函數(shù)，所分解出來的各本征模函數(shù)分量包含了原信號的不同時間尺度的局部特征信號。本征模函數(shù)的條件約束包括：局部極大值包絡(luò)和局部極小值包絡(luò)的平均為零來代替，信號的波形局部對稱。

在中國專利文獻上公開的“一種基于EEMD和改進GSA-SOM神經(jīng)網(wǎng)絡(luò)的滾動軸承故障診斷方法”，其公開號為CN112345252A，公開日期，2021-02-09，通過經(jīng)驗?zāi)B(tài)分解(EMD)將非平穩(wěn)的原始振動信號分解成若干個平穩(wěn)的本征模函數(shù)(IMF)；隨后進行能量特征提取，得到反映振動信號的特征向量；進一步，采用改進GSA算法對神經(jīng)網(wǎng)絡(luò)權(quán)重進行優(yōu)化，最后將得到的特征向量輸入到改進神經(jīng)網(wǎng)絡(luò)中進行故障自動識別。但是水電監(jiān)控信號受到故障信號間歇性、噪聲干擾等因素影響，這使得本征模函數(shù)集中易出現(xiàn)模態(tài)混疊現(xiàn)象：不同頻率的信號分量可能被包含在同一個本征模函數(shù)中，而某一頻率的信號分量也可能在不同本征模函數(shù)中出現(xiàn)；模態(tài)混疊的出現(xiàn)將弱化本征模函數(shù)集對原始信號時頻特性的表征能力，影響到基于EMD信號處理及特征提取方法的有效性。

發(fā)明內(nèi)容

本發(fā)明是為了克服現(xiàn)有技術(shù)中水電機組振動信號易受到故障信號間歇性、噪聲干擾等因素影響，在求解故障響應(yīng)局部的極值時候難免出現(xiàn)偏差，導(dǎo)致的本征模函數(shù)易出現(xiàn)模態(tài)混疊的問題，提供了一種水電機組振動信號能量特征識別方法，通過對原始信號的多重微分處理，增強信號的高頻分量，同時對原始信號和微分信號進行經(jīng)驗?zāi)B(tài)分解來解決模態(tài)混淆的問題。

為了實現(xiàn)上述目的，本發(fā)明采用了一下技術(shù)方案：

一種水電機組振動信號能量特征識別方法，包括以下步驟：

S1、采集原始信號，獲取水電機組振動的原始信號；

S2、推求微分信號，對采集到的原始信號進行微分處理得到微分信號；

S3、經(jīng)驗?zāi)B(tài)分解，對S1和S2獲得的信號進行經(jīng)驗?zāi)B(tài)分解，將得到的若干個本征模函數(shù)組成本征模函數(shù)集；

S4、計算能量占比，計算S3本征模函數(shù)集中信號的總能量以及每個本征模函數(shù)的能量在總能量中的占比；

S5、能量特征矩陣，將S4中的信號總能量和本征模函數(shù)能量比例組合成能量特征矩陣，觀察能量特征矩陣能夠獲取信號能量分布頻段，提取有效的信號特征。

本發(fā)明采用經(jīng)驗?zāi)B(tài)分解來處理信號，經(jīng)驗?zāi)B(tài)分解(EMD)是一種自適應(yīng)的數(shù)據(jù)處理或挖掘方法，非常適合非線性、非平穩(wěn)時間序列的處理，因此在水電機組振動信號的處理和特征提取方面有較大的優(yōu)勢。經(jīng)驗?zāi)B(tài)分解的關(guān)鍵思想是將一個頻率不規(guī)則的復(fù)雜信號分解成有限個單一頻率的本征模函數(shù)(IMF)之和加上殘波的形式，分解出來的各個本征模函數(shù)包含了原始信號的不同時間尺度的局部特征信號。

作為優(yōu)選，所述S1中，水電機組振動的原始信號包括水電機組的x軸振動信號和y軸振動信號。