一种水轮发电机组的故障特征提取方法技术

本发明专利技术公开了一种水轮发电机组的故障特征提取方法，该方法基于二维经验模态分解和全矢谱分析，综合考虑经验模态分解方法的优缺点以及水轮发电机组的振动信号情况，解决了传统方法难以获取全面、准确的提取结果的问题。本发明专利技术方法能全面、准确地从水轮发电机组实测的复杂振动信号中检测出故障早期信号的特征频率。且诊断结果的可靠性较高，方便运行维护人员及时对此故障进行处理，避免事故的发生，从而保证整个系统的安全经济高效运行。

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.

【技术实现步骤摘要】
一种水轮发电机组的故障特征提取方法
本专利技术属于故障诊断
，具体涉及一种水轮发电机组的故障特征提取方法。
技术介绍
随着我国水力行业的发展，水轮机组逐渐向着单机容量大、工况复杂的方向发展，其运行过程中故障的产生和发展包含大量的不确定性因素，且水轮机的振动信号往往表现为非线性、非平稳性的特点。水轮机组的振动信号能够反映水轮发电机组的运行状态，因此分析和研究水轮机组的振动信号意义重大。但是由于水电机组故障的复杂性、多样性、耦联性和不确定性，一种故障可能存在多方面特征和征兆，多种故障因素之间相互影响和制约，致使机组故障振动信号内蕴含着相互混叠的故障特征信息，因此采用单一通道进行信号分析和特征提取往往达不到满意的效果，这是必须解决的问题。在进行水轮机的故障诊断过程中，一般采用时频分析方法，如短时傅里叶变换、Wigner-Ville分布、小波变换和经验模态分解等方法。FFT、Wigner-Ville分布方法都是比较适用于线性信号，对处理这种非平稳信号而言就显得非常困难，不太适合处理水轮机组这种非线性信号。近几年，小波分析的提出以后，便得到广泛的认同和应用，但它也会带来一些问题，如小波基选择困难，参数敏感和平稳性假设等，对非线性信号的处理结果不是十分理想。经验模态分解是一种新的时频分析方法，由于它可以根据设定的尺度不同而进行自适应的分解，因而具有非常强的自适应性，特别适合对水轮机组这种非平稳信号进行分析和特征提取。但是经验模态分解只能处理一维信号，且存在端点效应、模态混叠等问题，因而提取效果往往不够理想。
技术实现思路
本专利技术的目的是提供一种水轮发电机组的故障特征提取方法，该方法基于二维经验模态分解和全矢谱分析，综合考虑经验模态分解方法的优缺点以及水轮发电机组的振动信号情况，解决了传统方法难以获取全面、准确的提取结果的问题。本专利技术所采用的技术方案是，一种水轮发电机组的故障特征提取方法，包括以下步骤：步骤1：利用水轮发电机组安装的振动传感器获得水平和垂直的原始信号x(t)，y(t)，从而得到一个复信号z(t)＝x(t)+iy(t)；步骤2：确定投影方向步骤3：将复信号z(t)投影到上，得到步骤4：提取的局部最大值时所对应的时刻然后对集合进行插值，得到在方向上的极大值包络；步骤5：计算各个方向上极大值包络线所对应的质心m(t)；步骤6：计算S(t)＝z(t)-m(t)，并判断S(t)是否满足IMF的条件，如果满足，则令Si(t)＝S(t)，转入步骤7；若不满足，则令z(t)＝S(t)，然后重复步骤3-6，直至满足条件；步骤7：从信号中分离出第i个IMF分量；mi(t)＝z(t)-Si(t)判断mi(t)是否为单调函数，如果是，则循环结束，得到n个满足条件的IMF分量；如果不是，则令z(t)＝mi(t)，转到步骤3；步骤8：将得到的各阶固有模态分量IMFi(i＝1,2,…,n)分成实部IMF1i(i＝1,2,…,n)和虚部IMF2i(i＝1,2,…,n)，计算出各个模态分量与其对应的原始信号的互信息；步骤9：对互信息做归一化处理；步骤10：筛选模态分量。选取阈值，将模态分量与原信号的互信息小于阈值的作为虚假分量进行剔除，并将模态分量与原信号的互信息大于阈值的分量进行重构；步骤11：将重构得到的序列组成一组复序列，并对构造的复序列进行Fourier变换；步骤12：计算分析序列的全矢谱，通过全矢谱图得到水轮发电机组的故障特征。本专利技术的特点还在于：步骤8具体为：将得到的各阶固有模态分量IMFi(i＝1,2,…,n)分成实部IMF1i(i＝1,2,…,n)和虚部IMF2i(i＝1,2,…,n)，计算分量IMF1i和IMF2i原始信号x(t)，y(t)的边缘概率分布p(IMF1i)、p(IMF2i)、p(x)、p(y)，计算实部分量IMF1i与原始信号x(t)的联合概率分布分别为p(IMF1i,x)，虚部分量IMF1i与原始信号y(t)的联合概率p(IMF2i,y)，从而得到各个模态分量与其对应的原始信号的互信息本专利技术的有益效果是，本专利技术提出的水轮发电机组的故障特征提取方法，能全面、准确地从水轮发电机组实测的复杂振动信号中检测出故障早期信号的特征频率。且诊断结果的可靠性较高，方便运行维护人员及时对此故障进行处理，避免事故的发生，从而保证整个系统的安全经济高效运行。附图说明图1为本专利技术中实测水轮发电机组转轮振动信号波形图；图2为本专利技术实测振动信号X方向信号的频谱图；图3为本专利技术实测振动信号Y方向信号的频谱图；图4为本专利技术故障特征提取的方法流程图；图5为本专利技术实测振动信号BEMD的分解结果；图6为本专利技术实测振动信号X方向BEMD的分解结果；图7为本专利技术实测振动信号Y方向BEMD的分解结果；图8为本专利技术通过互信息筛选得到的重构信号的全矢谱。具体实施方式下面结合附图和具体实施方式对本专利技术作进一步的详细说明，但本专利技术并不限于这些实施方式。下面以某水轮发电机组的故障特征提取为例。在该水轮发电机组灯泡体结构(安装在其他结构也可)同时安装水平和垂直两个振动传感器，两个传感器的采样长度为1024个点，采样频率为229HZ，水轮机组的额定转速为107.1r/min，最大水头为25.7m，额定水头16.1m，水轮机的功率为49MW。首先利用水轮发电机组安装的振动传感器获得水平和垂直的原始信号x(t)，y(t)，两个方向上的原始信号如图1所示。然后对两个方向的原始信号进行傅里叶变换，得到图2和图3。图2中，转频与100Hz频率是机组本身所具有的特征频率，除此之外，还具有能量较高的10倍频和15倍频的信号。图3中转频与100HZ的频率具有较高的能量，这与图2反映的结果是一致的，并同时具有能量较高的15倍频，这与图2的结果也是一致的。与图2不同的是，图3中具有能量较高的低频信号，并且不具有10倍频信号。可见两个方向提取的信号特征是不一致，而信号特征提取的结果往往会影响对机组故障状态的判断。由上述结果可看出，不同通道特征提取的结果不一致。因此采用本专利技术故障诊断方法对水轮发电机组进行诊断，如图4所示，在水轮发电机组正常运行过程中，通过以下步骤进行故障诊断。步骤1：利用水轮发电机组安装的振动传感器获得水平和垂直的原始信号x(t)，y(t)，从而得到一个复信号z(t)＝x(t)+iy(t)。步骤2：确定投影方向其中1≤k≤M，M为设定的投影方向数，该值越大，效果越理想，本文中设定M＝32。步骤3：将复信号z(t)投影到上，得到步骤4：提取的局部最大值时所对应的时刻然后对集合进行插值，得到在方向上的极大值包络步骤5：计算各个方向上极大值包络线所对应的质心m(t)步骤6：计算S(t)＝z(t)-m(t)(3)并判断S(t)是否满足IMF的条件，如果满足，则令Si(t)＝S(t)，转入步骤7。若不满足，则令z(t)＝S(t)，然后重复步骤3-6，直至满足条件。这里判断是否满足IMF条件的方法是由Huang给出的类似于Cauchy收敛准则的标准，它定义了如下标准差：通常将SD取值为0.2到0.3之间，即满足0.2<SD<0.3时筛分过程就结束。此标准的物理意义为：既要使得Si(t)足够接近IMF的要求，又要控制筛分的次数从而使得所得到的IMF分量本文档来自技高网...

【技术保护点】
一种水轮发电机组的故障特征提取方法，其特征在于，包括以下步骤：步骤1：利用水轮发电机组安装的振动传感器获得水平和垂直的原始信号x(t)，y(t)，从而得到一个复信号z(t)＝x(t)+iy(t)；步骤2：确定投影方向

【技术特征摘要】
1.一种水轮发电机组的故障特征提取方法，其特征在于，包括以下步骤：步骤1：利用水轮发电机组安装的振动传感器获得水平和垂直的原始信号x(t)，y(t)，从而得到一个复信号z(t)＝x(t)+iy(t)；步骤2：确定投影方向步骤3：将复信号z(t)投影到上，得到步骤4：提取的局部最大值时所对应的时刻然后对集合进行插值，得到在方向上的极大值包络；步骤5：计算各个方向上极大值包络线所对应的质心m(t)；步骤6：计算S(t)＝z(t)-m(t)，并判断S(t)是否满足IMF的条件，如果满足，则令Si(t)＝S(t)，转入步骤7；若不满足，则令z(t)＝S(t)，然后重复步骤3-6，直至满足条件；步骤7：从信号中分离出第i个IMF分量；mi(t)＝x(t)-Si(t)判断mi(t)是否为单调函数，如果是，则循环结束，得到n个满足条件的IMF分量；如果不是，则令x(t)＝mi(t)，转到步骤3；步骤8：将得到的各阶固有模态分量IMFi(i＝1,2,…,n)分成实部IMF1i(i＝1,2,…,n)和虚部IMF2i(i＝1,2,…,n)，计算出各个模态分量与其对应的原始信号的互信息；步骤9：对互信息做归一化处理；步骤10：筛选模态分量，选取阈值，将模态分量与原信号的互信息小于阈值的作为...

【专利技术属性】
技术研发人员：贾嵘，马富齐，武桦，党建，赵佳佳，谢永涛，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：陕西,61