基于希尔伯特变换的叶片不平衡故障电信号特征提取方法技术

本发明专利技术公开了一种基于希尔伯特变换的叶片不平衡故障电信号特征提取方法，包括：对输入的电信号进行希尔伯特变换，得到电信号对应的瞬时频率信号以及理想状态下对应的轴承转动瞬时频率；计算电信号峰值对应的时间序列；计算每个电信号周期对应的均值频率以及每个轴承旋转周期对应的均值频率；对步骤三获得的电信号均值频率以及轴承转动均值频率进行三次样条插值，得到与原始信号采样频率相同的插值信号；五、求步骤四获得的插值信号的差值，得到故障特征信号。该方法涉及新能源发电状态监测领域的关键技术，解决了传统故障检测方法使用发电机电信号难以精确地提取叶片不平衡故障特征的问题。

Feature Extraction Method of Blade Unbalanced Fault Electrical Signal Based on Hilbert Transform

The invention discloses a method for extracting characteristics of unbalanced fault electric signals of blades based on Hilbert transform, which includes: Hilbert transform of input electric signals to obtain instantaneous frequency signals corresponding to electric signals and instantaneous frequency of bearing rotation corresponding to ideal state; calculation of time series corresponding to peak value of electric signals; calculation of mean frequency corresponding to each period of electric signals. Rate and the mean frequency corresponding to each bearing rotation cycle; Cubic spline interpolation is used to obtain the same interpolation signal as the sampling frequency of the original signal; Fifth, the difference of the interpolation signal obtained in step 4 is calculated to obtain the fault characteristic signal. This method involves the key technologies in the field of new energy power generation condition monitoring, and solves the problem that it is difficult to accurately extract the unbalanced fault characteristics of blades by using the electrical signals of generators in traditional fault detection methods.

【技术实现步骤摘要】
基于希尔伯特变换的叶片不平衡故障电信号特征提取方法
：本专利技术涉及新能源发电状态监测领域的关键技术，具体涉及一种基于希尔伯特变换的叶片不平衡故障电信号特征提取方法。
技术介绍
：近几年来随着风能、海流能受到越来越多的重视，风力发电机以及海流发电机等新能源发电设备得到了广泛的应用。其中风能发电以及海流能发电中最常见的故障问题就是由于叶片附着物、叶片腐蚀、叶片磨损等情况导致的叶片不平衡问题，这类故障会通过引入不平衡质量影响系统的运行，因此检测机器状态并维修或者替换故障叶片以避免系统损坏是十分重要的。使用电信号进行的状态监测在维护费用、安装以及系统稳定性上都比传统的基于振动信号的检测方法更有优势。然而，电信号以及不平衡故障特征频率的低信噪比，让不平衡故障检测面临巨大挑战。目前广泛应用的传统故障检测技术难以实现对于不平衡故障的特征提取，造成了诊断方法过于单一，对诊断信息的利用能力也非常有限，因此在使用过程中表现出故障正确检测能力较差、漏报率及虚警率较高的问题严重制约着发电设备状态监测系统效能的充分发挥。特征提取环节通常处于故障检测的前级，该环节要提取出具有如下性质的特征：来自于同一类别的不同样本的特征属性或者数值应非常接近，来自不同类别的样本的特征属性或者数值应该有较大的差异。此外，该环节还需要提取出最具有鉴别能力的特征，这些特征对于类别信息不相关的变换具有不变性。由于状态监测系统所处理的往往都是非平稳、非线性的数据，因此我们考虑使用希尔伯特变换来设计故障特征提取方案，从而辅助状态检测系统达到低漏报率与高正确率的故障诊断效果。
技术实现思路
：本专利技术为了解决状态监测系统中传统故障检测方法使用电信号难以精确地提取叶片不平衡故障特征的问题，提出了一种基于希尔伯特变换的叶片不平衡故障电信号特征提取方法。本专利技术具体过程如下：步骤一：对输入的电信号进行希尔伯特变换，得到电信号对应的瞬时频率信号fe(t)以及理想状态下对应的轴承转动瞬时频率fr(t)；步骤二：计算电信号峰值对应的时间序列Speak(k)；步骤三：计算每个电信号周期对应的均值频率fe,mean(i)以及每个轴承旋转周期对应的均值频率fr,mean(j)；步骤四：对步骤三获得的fe,mean(i)以及fr,mean(j)进行三次样条插值，得到与原始信号采样频率相同的插值信号以及步骤五：求步骤四获得的插值信号和的差值信号，得到故障特征信号fim(n)。本专利技术从电信号中隐含的发电机转动频率信息入手，借助HT等手段估算发电机电信号瞬时频率以及转动频率，并在瞬时频率基础上对叶片不平衡故障特征进行提取，是一种高效的、稳定性高的叶片不平衡故障特征提取方法。本专利技术与现有技术相比具有如下优点：本专利技术所提出的信号特征提取方法利用HT、三次样条插值等方法，对发电机状态监测系统所采集的原始电信号进行处理，从电信号瞬时频率以及轴承转动瞬时频率入手，提取叶片不平衡故障特征信号，该方案所具有的自适应性以及稳定性是其他特征提取方法所无法达到的。本专利技术所提出的信号特征提取方法在本质上是对由原始数据估算得到的瞬时频率进行处理，没有对原始信号进行任何改变，使得整个特征提取过程中完整的保留了原始信号的所有信息，同时也使得状态监测系统中后续的故障检测、诊断环带来了便捷，为更高层次的算法或决策应用带来了方便。本专利技术适用于新能源发电状态检测系统中叶片不平衡故障电信号特征提取领域。附图说明：图1为本专利技术基于希尔伯特变换的叶片不平衡故障电信号特征提取方法流程图图2为无故障情况下海流发电机电压图3为无故障情况下海流发电机故障特征信号图4为叶片不平衡故障情况下海流发电机电压图5为叶片不平衡故障情况下海流发电机故障特征信号图6为不同情况下海流发电机故障特征信号频谱对比图具体实施方式：具体实施方式一：结合图1说明本实施方式，一种基于希尔伯特变换的叶片不平衡故障电信号特征提取方法，具体过程如下：步骤一：对输入的电信号进行希尔伯特变换，得到电信号对应的瞬时频率信号fe(t)以及理想状态下对应的轴承转动瞬时频率fr(t)；步骤二：计算电信号峰值对应的时间序列Speak(k)；步骤三：计算每个电信号周期对应的均值频率fe,mean(i)以及每个轴承旋转周期对应的均值频率fr,mean(j)；步骤四：对步骤三获得的fe,mean(i)以及fr,mean(j)进行三次样条插值，得到与原始信号采样频率相同的插值信号以及步骤五：求取步骤四获得的插值信号和的差值信号，得到故障特征信号fim(n)。希尔伯特变换通过将信号与函数1/πt进行卷积运算，从而得到x(t)的局部特性，如下式：其中CPV为柯西主值积分(CauchyPrincipleValue,CPV)，从频域的观点来看：利用x(t)与y(t)可以组成一个复数信号z(t)：z(t)＝x(t)+jy(t)z(t)的频域形式如下：z(t)为一解析函数，在极坐标下可用下式表示：z(t)＝x(t)+jy(t)＝a(t)ejθ(t)a(t)表示x(t)的包络振幅大小，而θ(t)表示x(t)的相角：x(t)的瞬时频率定义为：对于实际的电信号进行叶片不平衡故障特征提取时，考虑到轴承转动频率相对稳定，可以不考虑使用上式来求瞬时频率中，可能由直流分量与多重频率成分的影响造成的干扰，直接使用希尔伯特变换计算电信号以及轴承转动的瞬时频率。同时将叶片一个转动周期视作一个工作状态，将求得的两种瞬时频率依次按照电信号周期以及轴承转动周期求均值，即可削弱直接使用希尔伯特变换求解瞬时频率引入的干扰，同时估计实际电信号以及轴承转动频率，随后提取与叶片不平衡故障相关的故障特征信号。整个故障特征信号提取过程有原始电信号本身驱动，具有完全自适应性，并且没有对原始信号进行任何处理，完整地保留了信号所有的信息，为状态监测系统中后续的故障检测、诊断带来了便捷，为更高层次的算法或决策的应用带来了方便。具体实施方式二：本实施方式是对具体实施方式一的进一步说明，步骤一中对输入的监测电信号进行希尔伯特变换，得到电信号对应的瞬时频率信号fe(t)以及理想状态下对应的轴承转动瞬时频率fr(t)的过程为：设定原始输入的电信号为x(t)，时间t＝1,2,...,N，步骤a：对原始电信号x(t)进行离散卷积，得到其希尔伯特变换y(t)，如下式所示：步骤b：计算原始电信号的解析信号c(t)+jy(t)的包络振幅a(t)，如下式所示：步骤c：计算解析信号c(t)+jy(t)的相角θ(t)和电信号对应的瞬时频率fe(t)，如下式所示：得到原始电信号的瞬时频率信号fe(t)；步骤d：理想状态下发电机轴承转动频率为其电信号频率的p倍，因而求出步骤c所求出的fe(t)所对应的轴承转动瞬时频率fr(t)＝p*fe(t)状态监测系统内采集的原始电信号一般都是非平稳、非线性信号，直接使用希尔伯特变换对该种类型的信号进行处理，原始信号中所携带的直流分量以及多重频率成分会对处理结果造成影响，本专利技术不考虑这些影响，使用希尔伯特变换对原始电信号进行处理求解器瞬时频率，随后基于电信号周期以及轴承转动周期对瞬时频率求均值以削弱上述影响。由于使用希尔伯特变换计算瞬时频率的过程中容易产生端点效应，这里需要屏蔽掉电信号瞬时频率、轴承转动信号瞬时频率的首部30％、尾部1本文档来自技高网...

【技术保护点】
1.一种基于希尔伯特变换的叶片不平衡故障电信号特征提取方法，其特征在于具体过程如下：步骤一：对输入的电信号进行希尔伯特变换，得到电信号对应的瞬时频率信号fe(t)以及理想状态下对应的轴承转动瞬时频率fr(t)；步骤二：计算电信号峰值对应的时间序列Speak(k)；步骤三：计算每个电信号周期对应的均值频率fe,mean(i)以及每个轴承旋转周期对应的均值频率fr,mean(j)；步骤四：对步骤三获得的fe,mean(i)以及fr,mean(j)进行三次样条插值，得到与原始信号采样频率相同的插值信号

【技术特征摘要】
1.一种基于希尔伯特变换的叶片不平衡故障电信号特征提取方法，其特征在于具体过程如下：步骤一：对输入的电信号进行希尔伯特变换，得到电信号对应的瞬时频率信号fe(t)以及理想状态下对应的轴承转动瞬时频率fr(t)；步骤二：计算电信号峰值对应的时间序列Speak(k)；步骤三：计算每个电信号周期对应的均值频率fe,mean(i)以及每个轴承旋转周期对应的均值频率fr,mean(j)；步骤四：对步骤三获得的fe,mean(i)以及fr,mean(j)进行三次样条插值，得到与原始信号采样频率相同的插值信号以及步骤五：求步骤四获得的插值信号和的差值信号，得出故障特征信号fim(n)。2.根据权利要求1所述的一种基于希尔伯特变换的叶片不平衡故障电信号特征提取方法，其特征在于步骤一中对输入的电信号进行希尔伯特变换，得到电信号对应的瞬时频率信号fe(t)以及理想状态下对应的轴承转动瞬时频率fr(t)的过程为：设定原始输入的电信号为x(t)，时间t＝1,2,...,N，步骤a：对原始电信号x(t)进行离散卷积，得到其希尔伯特变换y(t)，如下式所示：步骤b：计算原始电信号的解析信号c(t)+jy(t)的包络振幅a(t)，如下式所示：步骤c：计算解析信号c(t)+jy(t)的相角θ(t)和电信号对应的瞬时频率fe(t)，如下式所示：得到原始电信号的瞬时频率信号fe(t)；步骤d：理想状态下发电机轴承转动频率为其电信号频率的极对数p倍，因而求出步骤c所求出的fe(t)所对应的轴承转动瞬时频率fr(t)＝p*fe(t)。3.根据权利要求1所述的一种基于希尔伯特变换的叶片不平衡故障电信号特征提取方法，...

【专利技术属性】
技术研发人员：李志超，王天真，张米露，谢涛，
申请(专利权)人：上海海事大学，
类型：发明
国别省市：上海,31