[發明專利]一種用于風電機組特征信號提取的改進變分模態分解方法

在審

• 申請號: 202210024148.3
• 申請日: 2022-01-10
• 公開（公告）號: CN114564981A
• 公開（公告）日: 2022-05-31
• 發明（設計）人: 陳建鵬;王瀟;張長春;賈季濤;余清清;張海龍
• 申請（專利權）人: 浙江運達風電股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G01M7/02
• 代理公司: 杭州杭誠專利事務所有限公司 33109
• 代理人: 俞則儉

本發明公開了一種用于風電機組特征信號提取的改進變分模態分解方法。為了克服風電機組有效信號提取難和變分模態分解的自適應性的問題，本發明根據信號經變分模態處理后得到的固有模態函數的特性，從相關系數，波峰幅值和中心頻率這三個方面確定最優分解參數。這是一種后驗的改進變分模態分解方法，使得提取的固有模態函數包含的噪聲和干擾信息更少，提升了準確性和可靠性。

技術領域

本發明涉及風力發電機組信號處理領域，尤其一種用于風電機組特征信號提取的改進變分模態分解方法。

背景技術

風電行業步入黃金發展時期，因風電機組內部構造愈加復雜，為其日常運行和維護帶來了更多挑戰；在進行日常測試時，振動信號往往包含機組各個部件的信號，并且其中夾雜大量非平穩信號，這使得采用傳統的信號處理方法很難從中提取出有效信息。若采用非線性信號處理方法，可以利用時頻變換從非平穩信號中提取出有效信息，其中變分模態分解(Variational Mode Decomposition，VMD)在處理非平穩信號時能夠有效減少虛假信息和增強有效信號的提取能力，但是，變分模態使用時需要預先確定分解的數量，分解個數過大會產生模態裂解和虛假模態，個數過小會產生模態混疊和模態遺漏，存在自適應性問題。

一種在中國專利文獻上公開的“一種基于寬帶傅里葉分解的非平穩信號分析方法”，其公告號CN111767811A，包括帶寬傅立葉分解首先通過傅立葉變換將原始的時域信號轉換為頻域信號，然后通過傅立葉譜帶寬優化算法將頻域信號分解為稀疏的窄帶子信號，并通過傅立葉逆變換將頻域的窄帶子信號轉換為時域的帶寬模態分量，最后通過希爾伯特(Hilbert)變換提取信號的特征。此方案在進行信號分解分析時僅基于傅里葉變換，而傅里葉變換屬于一種整體變換，缺少時域定位功能，因此使用此方案方法進行信號分解分析時，得到的信號頻譜反應的是整體信號中包含的某一頻率分量的平均值，使得結果存在時間和頻率分辨上的局限性。

發明內容

本發明主要解決現有技術中風電機組有效信號提取難以及變分模態分解自適應性的問題；提供一種用于風電機組特征信號提取的改進變分模態分解方法，采集風電機組的振動信號并進行數據預處理，用改進變分模態分解處理振動信號，使得提取的固有模態函數在獨立性和降噪上達到最佳，最后從提取的固有模態函數中計算特征頻率；根據信號經變分模態處理后得到的固有模態函數的特性，從相關系數，波峰幅值和中心頻率這三個方面確定最優分解參數；本發明方案屬于一種后驗的改進變分模態分解方法，使得提取的固有模態函數包含的噪聲和干擾信息更少，提升了準確性和可靠性。

本發明的上述技術問題主要是通過下述技術方案得以解決的：

本發明包括以下步驟：采集風電機組振動信號；對振動信號進行去趨勢項處理，減少干擾；采用傳統變分模態分解(VMD)處理振動信號，得到不同分解個數下的固有模態函數(IMFs)；結合固有模態函數的相關系數、波峰幅值和中心頻率這三個方面來自適應確定變分模態分解的個數K，對母線槽振動信號進行自適應變分模態分解處理，得到各個獨立的固有模態函數；分析提取得到固有模態函數，確定包含有用信息的固有模態函數。在收集到信號后對信號進行去趨勢項能夠減小振動信號的采集誤差；此外，利用改進變分模態分解處理振動信號，使得提取的固有模態函數在獨立性和降噪上達到最佳。

作為優選，所述的獲取不同參數下固有模態函數的過程，具體包括以下步驟：建立變分模態分解的數學模型；采用增廣拉格朗日法將約束變分問題轉化成非約束變分問題，得到增廣拉格朗日表達式；采用交替方向乘子法來解此非約束變分問題，得到更新公式；在迭代求解變分模型過程中不斷更新各IMF分量的頻率中心和寬帶，直至滿足迭代停止條件，最終對求解出的模態求逆傅里葉變換，得出經過VMD分解后的K個固有模態IMF；令K依次取2到10，并且代入VMD中，獲得不同VMD分解個數K下的固有模態函數。

作為優選，所述的變分模態分解的數學模型見下列表達式：