一种基于EEMD联合Chebyshev滤波的水轮机故障信号去噪方法技术

本发明专利技术公开了一种基于EEMD联合Chebyshev滤波的水轮机故障信号去噪方法，属于水轮机故障信号处理技术领域。包括以下步骤：获取水轮机故障声信号；对该声信号进行集合经验模态分解EEMD，得到该信号的本征模态函数IMF和残差项RES；分别计算各个IMF分量的相关系数和累计均值，结合相关系数和累计均值，将IMF分量分为噪声IMF分量及有用IMF分量；对噪声IMF分量进行Chebyshev滤波；将去噪后的IMF分量与有用IMF分量、残差项RES进行重构，得到去噪后的水轮机故障声信号。通过以上步骤完成对水轮机故障信号的去噪，解决现有EEMD算法存在的模态混叠问题，在去除高频噪声的同时最大限度地保留其中的有用信号。其中的有用信号。其中的有用信号。

【技术实现步骤摘要】
一种基于EEMD联合Chebyshev滤波的水轮机故障信号去噪方法


[0001]本专利技术属于水轮机故障信号处理
，具体涉及一种基于EEMD联合Chebyshev滤波的水轮机故障信号去噪方法。

技术介绍

[0002]水轮机的作用是将水的势能转换成机械能，是水资源利用的核心设备，它的可靠安全运行是基础。泥沙侵蚀是水电站中不可避免的过程，泥沙磨损与侵蚀是造成水轮机故障的重要成因之一。在泥沙颗粒的不断冲击和摩擦作用下，水轮机转轮的表面会发生磨损和破坏，从而改变水轮机内部的流动的轨迹，造成机组效率及稳定性下降，厂房噪声增大，振动加剧，增加维修费用，若破坏严重会对水电站机组和运行人员安全造成严重威胁。
[0003]CN110909480A中公开了一种水轮机振动信号的去噪方法，因为约80％左右的机组故障信息包含在机组的振摆信号里，所以在公开的技术方案中是获取水轮机的振摆数据，对所述振摆数据进行变分模态分解，得到多个调幅调频分量；计算各调幅调频分量的样本熵值；选取小于设定样本熵阈值的样本熵值对应的调幅调频分量；对选取的调幅调频分量进行信号重构，得到去噪后的水轮机振摆数据并输出。
[0004]CN11783531A也公开了一种基于SDAE
‑
IELM的水轮机组故障诊断方法，采用自适应噪声添加的完备集合经验模态分解算法CEEMDAN对水轮机组振动信号进行分解，获取反映信号局部时间尺度特征的固有模态函数IMF分量；对由IMF分量构成的时频矩阵按时段划分并计算各分段的能量值，从而将时频矩阵转化为能量矩阵；采用SDAE对能量矩阵进行特征提取；采用IELM实现已知故障类型的分类及未知故障类型的检测。
[0005]上述现有技术中均是对水轮机组的振动信号进行处理，但水轮机组结构复杂，每个部件特别是内部零部件振动信号难以采集，另一方面EEMD能够在保留有用的低频IMF分量的同时剔除一个或多个噪声的高频IMF分量，并且不需要选择相关的技术指标或函数，突破了传统信号处理的瓶颈，大大减少了人为误差。但是，EEMD存在模态混叠的问题，且过滤掉的一些IMF分量中存在有用的信息，比如一些突变信息，导致处理后的信号中有用信号缺失。

技术实现思路

[0006]本专利技术的目的是提供一种基于EEMD联合Chebyshev滤波的水轮机故障信号去噪方法，解决现有EEMD算法常见的模态混叠问题，利用Chebyshev滤波处理EEMD分解后的高频IMF，能最大限度地保留其中的有用信号。
[0007]本专利技术的目的是通过以下技术方案实现的：
[0008]一种基于EEMD联合Chebyshev滤波的水轮机故障信号去噪方法，其特征在于，所述方法包括：
[0009]步骤1、获取水轮机故障声信号；
[0010]步骤2、对该声信号进行集合经验模态分解EEMD，得到该信号的本征模态函数IMF和残差项RES；
[0011]步骤3、分别计算步骤2得到的各个IMF分量的相关系数和累计均值，结合相关系数和累计均值，将IMF分量分为噪声IMF分量及有用IMF分量；
[0012]步骤4、对步骤3中的噪声IMF分量进行Chebyshev滤波；
[0013]步骤5、将步骤4得到的去噪后的IMF分量与有用IMF分量、残差项RES进行重构，得到去噪后的水轮机故障声信号。
[0014]进一步地，所述步骤1中，对含沙水流冲击水轮机的转轮叶片的声信号进行采集，因为泥沙磨损与侵蚀是造成水轮机故障的重要成因之一。
[0015]进一步地，所述步骤2中集合经验模态分解EEMD方法具体包括以下子步骤：
[0016]2.1)向原始信号叠加白噪声信号；
[0017]2.2)对叠加后的通信号进行EMD分解，得到各IMF分量；
[0018]2.3)重复上述两个子步骤，每次加入新的白噪声序列；
[0019]2.4)将每次2.3)得到的IMF做集成平均处理，得到最终的故障信号；
[0020]故障信号X(t)的最终分解表达式如下：
[0021][0022]其中，IMF分量层数为L，IMF第i层分量为h
(i)
(t)，R(t)为残余分量，是非零均值慢变函数。
[0023]进一步地，所述步骤3具体包括以下子步骤：
[0024]3.1)利用相关系数法对IMF进行判别，求出各个IMF的相关系数，相关系数的数学描述为：
[0025][0026]其中，CC
n
为第n个IMF的相关系数，Cov(x,IMF
n
)为第n个IMF的协方差；为信号x的标准差；为第n个IMF的标准差。
[0027]3.2)计算各个IMF的累计均值，利用累计均值的尺度作为临界点；MSAM的表达式如下：
[0028][0029]其中，mean(IMF
n
(t))表示第n个IMF的均值；std(IMF
n
(t))表示第n个IMF的标准差；
[0030]若IMF的累计均值h
m
偏离值大于1或小于
‑
1时，该IMF作为噪声IMFs和有用IMFs分界点，且将它归类为噪声IMF；
[0031]3.3)若累计均值在第一个极小值的地方大于1或小于
‑
1，则取第一个极小值作为临界点；若累计均值在第二个极小值的地方大于1或小于
‑
1，则取第二个极小值作为临界点；小于临界点的为噪声IMF分量，大于临界点的为有用IMF分量。
[0032]进一步地，Chebyshev滤波器是一种全极型滤波器，是由切比雪夫多项式的正交函数推导出来的，它在所有全极型滤波器中过渡带最窄。该滤波器在通带与阻带之间的过渡更加迅速，并且在保证效率的同时，这种过渡产生的绝对误差更小，滤波执行速度更快。Chebyshev滤波器的幅频响应表达式为:
[0033][0034]其中，n为滤波器阶数，ω
c
为通带截止频率，0＜ε＜1，T
n
为n阶的Chebychev多项式，表达式如下：
[0035][0036]对噪声IMF分量使用Chebyshev滤波器进行滤波，可以最大限度保留它们中混杂的有用信号。
[0037]进一步地，故障信号重构的表达式如下：
[0038][0039]其中，为经过Chebyshev滤波后的噪声IMF与过渡IMF之和；为有用IMF之和；RES为残差项。
[0040]本专利技术的有益效果：
[0041]1.利用声音信号的方法来检测识别水轮发电机组故障，能识别出早期故障中的微弱征兆信号，方便采集，适用于水电机组内部的复杂结构，能细化关键部件的声信号特性并对其检测分析。
[0042]2.通过EEMD对声信号进行分解，再根据相关系数和累计均值结合的方法将分解后的IMF分量进行分类，利用Chebyshev滤波器对噪声IMF分量进行滤波，获得高频中混杂的有用信号，然后将其与IMF中的有本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于EEMD联合Chebyshev滤波的水轮机故障信号去噪方法，其特征在于，所述方法包括：步骤1、获取水轮机故障声信号；步骤2、对该声信号进行集合经验模态分解EEMD，得到该信号的本征模态函数IMF和残差项RES；步骤3、分别计算步骤2得到的各个IMF分量的相关系数和累计均值，结合相关系数和累计均值，将IMF分量分为噪声IMF分量及有用IMF分量；步骤4、对步骤3中的噪声IMF分量进行Chebyshev滤波；步骤5、将步骤4得到的去噪后的IMF分量与有用IMF分量、残差项RES进行重构，得到去噪后的水轮机故障声信号。2.根据权利要求1所述的一种基于EEMD联合Chebyshev滤波的水轮机故障信号去噪方法，其特征在于，所述步骤1中，对含沙水流冲击水轮机的转轮叶片的声信号进行采集。3.根据权利要求1所述的一种基于EEMD联合Chebyshev滤波的水轮机故障信号去噪方法，其特征在于，所述步骤2中集合经验模态分解EEMD方法具体包括以下子步骤：2.1)向原始信号叠加白噪声信号；2.2)对叠加后的通信号进行EMD分解，得到各IMF分量；2.3)重复上述两个子步骤，每次加入新的白噪声序列；2.4)将每次2.3)得到的IMF做集成平均处理，得到最终的故障信号；故障信号X(t)的最终分解表达式如下：其中，IMF分量层数为L，IMF第i层分量为h
(i)
(t)，R(t)为残余分量，是非零均值慢变函数。4.根据权利要求1所述的一种基于EEMD联合Chebyshev滤波的水轮机故障信号去噪方法，其特征在于，所述步骤3具体包括以下子步骤：3.1)利用相关系数法对IMF进行判别，求出各个IMF的相关系数，相关系数的数学描述为：其中，CC

【专利技术属性】
技术研发人员：曾云，刀方，李想，钱晶，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：