一种水轮发电机组振动故障的特征提取方法技术

技术编号:15721778 阅读:107 留言:0更新日期:2017-06-29 03:06
本发明专利技术公开的一种水轮发电机组振动故障的特征提取方法,具体为:步骤1、利用FastICA方法对原始信号进行处理;步骤2、经步骤1后,依次对y

A method of feature extraction for vibration fault of hydraulic generator set

The invention discloses a feature extraction method for vibration fault of a hydraulic generator set. The method is as follows: Step 1, the original signal is processed by the FastICA method; step 2, and after step 1, the Y is sequentially turned on

【技术实现步骤摘要】
一种水轮发电机组振动故障的特征提取方法
本专利技术属于提取方法
,涉及一种水轮发电机组振动故障的特征提取方法。
技术介绍
水轮发电机组在水电厂中至关重要,其运行状况直接关系整个系统的安全可靠运行,因此必须加强对其进行状态监测与故障诊断。振动问题在水电机组中十分常见,故可作为评估机组运行状态的一个重要指标。但由于在实际运行中,机组可能同时发生多种振动故障,这些故障信号之间会相互影响与干涉,而且由于存在噪声干扰,早期以及微弱的振动信号会被完全淹没,其波形也会出现失真,从而导致无法获得真实的故障信息。如何全面、准确及有效地从混合信号提取到故障特征信号是必须解决的问题。小波分析(wavelettransform,WT)在时频域上均具有良好的局部分析能力,但由于其需要预先选择合适的小波基、分解层数以及阈值,具有较大的不确定性;经验模态分解(empiricalmodedecomposition,EMD)可根据信号本身的局部特征,自适应地将其分解为多个本征模态分量(intrinsicmodefunction,IMF),因而被广泛应用于非线性及非平稳性信号的处理。但EMD分解很容易产生模态混叠,由此现有的文献中提到了集合经验模态分解(ensembleempiricalmodedecomposition,EEMD)。EEMD方法利用了高斯白噪声频率均匀分布的特性,可有效抑制模态混叠。但是,一方面在强噪声背景下,单独使用该方法很难从混合信号中提取到早期或微弱的故障信号;另一方面,经该方法处理得到的IMF中,只有若干个IMF与故障信号紧密相关,而其余则为无关分量或干扰成分,因此需要选择有效的IMF以凸显故障特征。快速独立分量分析(fastindependentcomponentanalysis,FastICA)是由芬兰赫尔辛基大学inen等人提出来的一种特征提取方法。该方法可从未知的混合信号中有效地分离出若干个相互独立的分量,且基本不受强噪声或干扰的影响。基于该方法的优势,将其应用于水轮发电机组振动信号的特征提取中,首先用FastICA方法对原始信号进行分离,再结合EEMD对各个分量进行分解,然后计算其对应的各个IMF的归一化能量与归一化相关系数,选取满足对应阈值要求的有效IMF进行重构,最终获得能表征机组振动的特征信号。
技术实现思路
本专利技术的目的在于提供一种水轮发电机组振动故障的特征提取方法,将快速独立分量分析与集合经验模态分解相结合应用于水轮发电机组振动信号的特征提取中,解决了水轮发电机组中振动故障难以被准确识别的问题。本专利技术的所采用的技术方案是,一种水轮发电机组振动故障的特征提取方法,具体按照以下步骤实施:步骤1、利用FastICA方法对原始信号进行处理;步骤2、经步骤1后,依次对yi进行EEMD分解;步骤3、经步骤2后,计算yi所对应的所有IMF的归一化能量与归一化相关系数,并给定相应的能量阈值Ti与系数阈值ξi;步骤4、经步骤3后,分别选取xi中满足能量阈值Ti与系数阈值ξi要求的IMF,取二者的并集作为最终的有效IMF,并进行重构;步骤5、经步骤4后,从重构信号中找出能表征机组振动的特征信号。本专利技术的特点还在于:步骤1具体按照以下步骤实施:步骤1.1、对原始信号X进行去均值处理,使X→X′,其中X′均值为0;步骤1.2、经步骤1.1后,利用主分量分析(PCA)进行白化处理,具体算法如下:z=WoX′;式中:Wo为白化矩阵,Λ和U分别代表协方差矩阵Cx′的特征向量矩阵和特征值矩阵;步骤1.3、经步骤1.2后,设定待提取独立分量数目为n,设定迭代次数m→1;步骤1.4、经步骤1.3后,随机选择初始权矢量Wm(0),且满足如下关系:||Wm(0)||=1;步骤1.5、经步骤1.4后,开始进行迭代计算,具体按照以下算法实施:Wm(k+1)=E{zg[WmT(k)z]}-E{g'[WmT(k)z]}·Wm(k);式中:E[·]代表均值;g(·)代表非线性函数,g′(·)为g(·)的一阶导数,g(·)一般可选取以下三种形式:第一种形式:g1(y)=tanh(k1y),1≤k1≤2,通常取k1=1;第二种形式:g2(y)=y3;第三种形式:步骤1.6、经步骤1.5后,进行正交化处理,具体按照以下算法实施:步骤1.7、经步骤1.6后,进行归一化处理,具体按照以下算法实施:Wm(k+1)=Wm(k+1)/||Wm(k+1)||;步骤1.8、待步骤1.7完成后,若Wm(k+1)不收敛,则返回步骤1.5,若Wm(k+1)收敛,则取Wm=Wm(k+1),并进入步骤1.9;步骤1.9、令m=m+1,若m≤n,则返回到步骤1.4;否则,停止计算,并取W=[W1,W2,...,Wm]T;步骤1.10、提取分量y=WTz=[y1,y2,...,yn];设定获得n个独立分量,并分别记为如下形式:yi(i=1,2,……,n)。步骤2具体按照以下步骤实施:步骤2.1、初始化总体平均次数N,并使k=1;步骤2.2、经步骤2.1后,依次给yi中加入一个给定幅值的白噪声,具体按照如下算法实施:hi=yi+di(4);在式(4)中:di为第i次加入的白噪声,hi为第i次加入噪声后的新信号;步骤2.3、经步骤2.2后,开始对hi进行EMD分解,结果如下:在式(5)中:Ci,j表示yi分解得到的第j个IMF,ri表示yi的残余分量,J为IMF的个数;步骤2.4、令k=k+1,重复步骤2.2和步骤2.3,直至k=N,停止计算;步骤2.5、经步骤2.4后,计算N次分解得到的IMF的总体平均值,获得最终的IMF,具体算法如下:在式(6)中,代表信号yi采用EEMD分解得到的第j个IMF;得到相应的IMF后,分别记为m为IMF的总数。步骤3具体按照以下方法实施:定义归一化能量具体如下:在式(9)中,代表第j个IMF第t点的值。设定一个阈值T,若Ej.c≥T,则对应的第j个IMF为真实的IMF,予以保留,反之则将其剔除;在这里,取T=0.01;定义归一化相关系数具体如下:设定一个阈值ξ,且满足如下形式:若Ri≥ξi,则保留对应的第j个IMF,否则将其去除。本专利技术的有益效果在于:(1)本专利技术的水轮发电机组振动故障的特征提取方法,解决了水轮发电机组中振动故障难以被准确识别的问题。(2)本专利技术的水轮发电机组振动故障的特征提取方法,首先通过FastICA对多通道混合信号进行初步分离,然后利用EEMD分解及有效IMF的选取与重构,最终获得能表征振动故障的特征信号;仿真与实例信号分析的结果均表明:该方法既可有效抑制噪声干扰,也可削弱信号之间的相互影响,能全面、准确地提取出水轮发电机组振动故障的特征,从而对机组运行状况进行有效分析和评价,及时发现和排除机组故障,对保障水电机组安全稳定运行具有重要意义。附图说明图1是源信号波形图;图2是观测信号波形图;图3是观测信号经FastICA处理后的结果图;图4是观测信号经FastICA-EEMD处理后的结果图;图5是实施例中的实测信号波形图;图6是实施例中采用FastICA-EEMD处理结果的时域波形图;图7是实施例中采用FastICA-EEMD处理结果的频谱图;图8是实施例中采用EEMD处理结果的时域波形图;图9是是实施例中采用本文档来自技高网
...
一种水轮发电机组振动故障的特征提取方法

【技术保护点】
一种水轮发电机组振动故障的特征提取方法,其特征在于,具体按照以下步骤实施:步骤1、利用FastICA方法对原始信号进行处理;步骤2、经步骤1后,依次对y

【技术特征摘要】
1.一种水轮发电机组振动故障的特征提取方法,其特征在于,具体按照以下步骤实施:步骤1、利用FastICA方法对原始信号进行处理;步骤2、经步骤1后,依次对yi进行EEMD分解;步骤3、经步骤2后,计算yi所对应的所有IMF的归一化能量与归一化相关系数,并给定相应的能量阈值Ti与系数阈值ξi;步骤4、经步骤3后,分别选取xi中满足能量阈值Ti与系数阈值ξi要求的IMF,取二者的并集作为最终的有效IMF,并进行重构;步骤5、经步骤4后,从重构信号中找出能表征机组振动的特征信号。2.根据权利要求1所述的一种水轮发电机组振动故障的特征提取方法,其特征在于,所述步骤1具体按照以下步骤实施:步骤1.1、对原始信号X进行去均值处理,使X→X′,其中X′均值为0;步骤1.2、经步骤1.1后,利用主分量分析(PCA)进行白化处理,具体算法如下:z=WoX′;式中:Wo为白化矩阵,Λ和U分别代表协方差矩阵Cx′的特征向量矩阵和特征值矩阵;步骤1.3、经步骤1.2后,设定待提取独立分量数目为n,设定迭代次数m→1;步骤1.4、经步骤1.3后,随机选择初始权矢量Wm(0),且满足如下关系:||Wm(0)||=1;步骤1.5、经步骤1.4后,开始进行迭代计算,具体按照以下算法实施:Wm(k+1)=E{zg[WmT(k)z]}-E{g'[WmT(k)z]}·Wm(k);式中:E[·]代表均值;g(·)代表非线性函数,g′(·)为g(·)的一阶导数,g(·)一般可选取以下三种形式:第一种形式:g1(y)=tanh(k1y),1≤k1≤2,通常取k1=1;第二种形式:g2(y)=y3;第三种形式:步骤1.6、经步骤1.5后,进行正交化处理,具体按照以下算法实施:步骤1.7、经步骤1.6后,进行归一化处理,具体按照以下算法实施:Wm(k+1)=Wm(k+1)/||Wm(k+1)||;步骤1.8、待步骤1.7完成后,若Wm(k+1)不收敛,则返回步骤1.5,若Wm(k+1)收敛,则取Wm=Wm(k+1),并进入步骤1.9;步骤1.9、令m=m+1,若m≤n,则返回到步骤1.4;否则,停止计算,并取W=[W1,W2,...,Wm]T;步骤1.10、提取分量y=WTz=[y1,y2,...,yn]...

【专利技术属性】
技术研发人员:贾嵘赵佳佳张惠智武桦党建董开松
申请(专利权)人:西安理工大学
类型:发明
国别省市:陕西,61

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1