[發明專利]一種水輪機運轉狀態識別方法

在審

• 申請號: 202210047292.9
• 申請日: 2022-01-17
• 公開（公告）號: CN114462448A
• 公開（公告）日: 2022-05-10
• 發明（設計）人: 蘭朝鳳;宋博文;林小佳;蘇文濤;鄭智穎;郭小霞
• 申請（專利權）人: 哈爾濱理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.基于改進極限學習機的水輪機運轉狀態識別方法，包括以下步驟：

1)對水輪機信號進行互補集合經驗模態分解(Complementary ensemble empiricalmode decomposition,CEEMD)獲得IMF分量；

2)引入皮爾遜相關系數計算各個IMF分量與水輪機信號的相似度，判斷信號主導模態和噪聲主導模態的分界點，用小波去噪對噪聲主導模態降噪，并與其余的IMF分量重構得到去噪信號；

3)對去噪后的信號進行分解，選擇主要頻率成分與水輪機信號的主要頻率成分相似的IMF分量，計算每個IMF分量的排列熵，構建特征向量；

4)用基于模擬退火算法的粒子群算法(Simulated annealing algorithm-Particleswarm optimization,SA-PSO)優化極限學習機(Extreme learning machine,ELM)的方式，建立水輪機運轉狀態識別模型SA-PSO-ELM。

2.根據權利要求1所述的基于改進極限學習機的水輪機運轉狀態識別方法，步驟1具體細節如下：

用CEEMD分解水輪機信號，獲得IMF分量(X(t)、t、r、IMF_k分別為原信號、時間、殘余量、第i個IMF分量)：

3.根據權利要求1所述的基于改進極限學習機的水輪機運轉狀態識別方法，步驟2具體細節如下：

引入皮爾遜相關系數計算各個IMF分量與水輪機信號的相似度，判斷信號主導模態和噪聲主導模態的分界點(COV(X,Y)、ρ_X、ρ_Y分別為協方差、變量X的方差、變量Y的方差)：

在判斷IMF分量與原始信號的相似度時，可把原始信號當作X，IMF分量當作Y；

繪制IMF相關系數分布隨IMF分量階數變化的曲線，通過皮爾遜相關系數計算水輪機信號與IMF分量之間的相關性，分界點的選取準則為相似度曲線首次發生逆向轉折的位置；分界點及分界點之前的IMF分量為噪聲主導模態，其他的IMF分量為信號主導模態；

用小波去噪對噪聲主導模態降噪，并與信號主導模態的IMF分量重構得到去噪信號。

4.根據權利要求1所述的基于改進極限學習機的水輪機運轉狀態識別方法，步驟3具體細節如下：

對去噪后的信號進行CEEMD分解，選擇主要頻率成分與水輪機信號的主要頻率成分相似的IMF分量；

計算每個IMF分量的排列熵，構建特征向量。

5.根據權利要求1所述的基于改進極限學習機的水輪機運轉狀態識別方法，步驟4具體細節如下：

初始化SA-PSO的參數、ELM的參數；

由極限學習機的分類結果計算適應度；

更新極限學習機的參數；

判斷尋優曲線是否收斂且誤差是否滿足要求；如果收斂且滿足要求，輸出分類結果，否則返回到“由極限學習機的分類結果計算適應度”步驟。