【技术实现步骤摘要】
本专利技术涉及声发射信号处理，特别是一种声发射技术在水轮发电机组流道流态的在线监测方法。
技术介绍
1、在水轮发电机组的运行过程中，流道内流态的稳定性直接关系到机组的安全与效率。传统监测方法，如人工巡视和定期维护难以实时捕捉到流道内动态变化的细微异常，尤其是突发性的流态恶化，如涡带、空蚀等现象，这些都可能导致设备损坏和效率下降。虽然，声发射技术作为一种非破坏性检测手段，能够实时监测结构内部的应力变化和材料损伤情况，但其在复杂流体环境下的应用，尤其是在连续、高噪声背景下有效区分有用信号与环境噪声，仍面临挑战。因此，如何准确地从混合信号中分离出反映流道真实流态特征的声发射信号，并据此进行高效可靠的在线监测与诊断，成为亟待解决的技术难题。
技术实现思路
1、鉴于上述现有存在的问题，提出了本专利技术。
2、因此，本专利技术提供了一种声发射技术在水轮发电机组流道流态的在线监测方法解决了复杂工况下流态异常的实时监测与智能诊断，以及故障发现的及时性和机组运行的安全性问题。
3、为解决上述技术问题，本专利技术提供如下技术方案：
4、第一方面，本专利技术实施例提供了一种声发射技术在水轮发电机组流道流态的在线监测方法，其包括，通过声发射传感器，收集不同工作情况下的声发射信号，利用短时傅里叶变换分析得到的噪声频谱图；通过自适应噪声轮廓补偿模型对所述噪声频谱图进行补偿得到去噪增强频谱图；对所述去噪增强频谱图进行频域特征提取，得到形态特征；利用决策树算法，对所述形态特征进
5、作为本专利技术所述声发射技术在水轮发电机组流道流态的在线监测方法的一种优选方案，其中：所述声发射信号包括弹性声发射信号、塑性声发射信号、微震信号、超声波信号。
6、作为本专利技术所述声发射技术在水轮发电机组流道流态的在线监测方法的一种优选方案，其中：所述利用短时傅里叶变换分析得到的噪声频谱图，具体步骤为：
7、窗函数表达式为：
8、
9、其中，m为窗函数的总长度，w(t)为窗函数的表达式；
10、信号加窗表达式为：
11、x′n(t)＝xn(t)·w(t-tn)
12、其中，x′n(t)为加窗之后的每一帧信号，xn(t)为声发射信号，t为时间变量，tn表示第n个时间窗口的起始时间点；
13、对加窗后的每一帧信号进行离散傅里叶变换，得到频谱具体表达式为：
14、
15、其中，xn(f)为序列xn(k)在频率变量f处的离散傅里叶变换的复数值，xn(k)为声发射信号在时间索引k处的样本值，j为虚数单位，k为时间序列的索引；
16、利用频谱幅度的分贝将频谱的幅度转换为对数刻度，将每个帧的频谱映射到二维坐标系，形成噪声频谱图，频谱幅度的分贝表达式为：
17、xn(f)db＝10log10(|xn(f)|2+∈)
18、其中，xn(f)db为第n个时间帧中频率f处的频谱幅度的分贝值，∈为一个很小的正数。
19、作为本专利技术所述声发射技术在水轮发电机组流道流态的在线监测方法的一种优选方案，其中：所述通过自适应噪声轮廓补偿模型对所述噪声频谱图进行补偿得到去噪增强频谱图，具体步骤为：
20、自适应噪声轮廓补偿模型表达式为：
21、
22、其中，c(f,t)为补偿函数，n为求和的索引变量，ω(f+nδf,t)为在频率f处局部的能量密度函数，向左和右各偏移了n个频率间隔δf的值，p为一个正实数指数，-β为控制高斯核函数宽度的正实数，|f-f′|2为高斯核函数内的距离项，γ(f′,t)为噪声在不同频率f′和时间t下的强度分布，df′为积分变量f′的微小变化，λ(f,t)为自适应权重函数；
23、将补偿函数应用于噪声轮廓补偿，噪声估计值表达式为：
24、n(f,t)＝c(f,t)·s(f,t)
25、其中，n(f,t)为噪声估计值，c(f,t)为补偿函数，s(f,t)为原始噪声频谱图；
26、最终去噪后的频谱图表达式为：
27、sdenoised(f,t)＝s(f,t)-n(f,t)
28、其中，sdenoised(f,t)为去噪后的频谱图。
29、作为本专利技术所述声发射技术在水轮发电机组流道流态的在线监测方法的一种优选方案，其中：对所述去噪增强频谱图进行频域特征提取，得到形态特征，具体步骤为：
30、对去噪增强频谱图进行峭度分析，峭度表达式为：
31、
32、其中，k(f)为在频率f处的峭度值，μ为sdenoised(f,t)在频率f上的均值，
33、为期望值；
34、计算去噪后频谱的能谱熵，熵表达式为：
35、
36、其中，h(f)为在频率f处的熵值，pi(f)为在频率f下第i个事件发生的概率；
37、综合峭度和熵的得到的数值，定义形态特征向量表达式为：
38、f(f)＝[k(f),h(f)]
39、其中，f(f)为在频率f处的综合形态特征向量。
40、作为本专利技术所述声发射技术在水轮发电机组流道流态的在线监测方法的一种优选方案，其中：利用决策树算法，对所述形态特征进行信息增益特征分析，信息增益特征表达式为：
41、
42、其中，igenhanced(d,f(f))为信息增益计算，h(d)为整个数据集d的熵，wi(f)为频率f处特征f(f)的加权函数，h(d|ai(f))为在特征f下，数据集d被划分到第i个子集后的条件熵。
43、作为本专利技术所述声发射技术在水轮发电机组流道流态的在线监测方法的一种优选方案，其中：所述wi(f)为频率f处特征f(f)的加权函数，加权函数表达式为：
44、wi(f)＝α·k(f)γ·(1-h(f))δ+β·ζ(f)
45、其中，α为一个正的标量系数，γ为峭度k(f)在加权中的影响力增长的速度，(1-h(f))为熵h(f)的补数，δ为控制(1-h(f))在加权中的增长速度，ζ(f)为频率f处信号与其他相邻频率点的相互依赖关系，β用于调整ζ(f)对最终权重wi(f)的影响。
46、作为本专利技术所述声发射技术在水轮发电机组流道流态的在线监测方法的一种优选方案，其中：所述基于所述信息增益特征分析结果设立阈值，利用所述阈值和实时形态特征进行对比来界定当前水轮发电机组流道的工作状态，并做出实时调整与维护，具体步骤为：
47、设正常工作阈值表达式为：
48、tnormal＝[knorm,hnorm]
49、其中，[knorm,hnorm]为基于历史数据分析确定的峭度和熵的正常工作范围均值；<本文档来自技高网...
【技术保护点】
1.一种声发射技术在水轮发电机组流道流态的在线监测方法，其特征在于：包括：
2.如权利要求1所述的声发射技术在水轮发电机组流道流态的在线监测方法，其特征在于：所述声发射信号包括弹性声发射信号、塑性声发射信号、微震信号、超声波信号。
3.如权利要求2所述的声发射技术在水轮发电机组流道流态的在线监测方法，其特征在于：所述利用短时傅里叶变换分析得到的噪声频谱图，具体步骤为：
4.如权利要求3所述的声发射技术在水轮发电机组流道流态的在线监测方法，其特征在于：所述通过自适应噪声轮廓补偿模型对所述噪声频谱图进行补偿得到去噪增强频谱图，具体步骤为：
5.如权利要求4所述的声发射技术在水轮发电机组流道流态的在线监测方法，其特征在于：对所述去噪增强频谱图进行频域特征提取，得到形态特征，具体步骤为：
6.如权利要求5所述的声发射技术在水轮发电机组流道流态的在线监测方法，其特征在于：利用决策树算法，对所述形态特征进行信息增益特征分析，信息增益特征表达式为：
7.如权利要求6所述的声发射技术在水轮发电机组流道流态的在线监测方法，其特
8.如权利要求7所述的声发射技术在水轮发电机组流道流态的在线监测方法，其特征在于：所述基于所述信息增益特征分析结果设立阈值，利用所述阈值和实时形态特征进行对比来界定当前水轮发电机组流道的工作状态，并做出实时调整与维护，具体步骤为：
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1～7任一所述的声发射技术在水轮发电机组流道流态的在线监测方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1～7任一所述的声发射技术在水轮发电机组流道流态的在线监测方法的步骤。
...【技术特征摘要】
1.一种声发射技术在水轮发电机组流道流态的在线监测方法，其特征在于：包括：
2.如权利要求1所述的声发射技术在水轮发电机组流道流态的在线监测方法，其特征在于：所述声发射信号包括弹性声发射信号、塑性声发射信号、微震信号、超声波信号。
3.如权利要求2所述的声发射技术在水轮发电机组流道流态的在线监测方法，其特征在于：所述利用短时傅里叶变换分析得到的噪声频谱图，具体步骤为：
4.如权利要求3所述的声发射技术在水轮发电机组流道流态的在线监测方法，其特征在于：所述通过自适应噪声轮廓补偿模型对所述噪声频谱图进行补偿得到去噪增强频谱图，具体步骤为：
5.如权利要求4所述的声发射技术在水轮发电机组流道流态的在线监测方法，其特征在于：对所述去噪增强频谱图进行频域特征提取，得到形态特征，具体步骤为：
6.如权利要求5所述的声发射技术在水轮发电机组流道流态的在线监测方法，其特征在于：利用决策树算法，对所述...
【专利技术属性】
技术研发人员：翟冬生，杨济铖，熊安顺，赵付华，史明超，邓川，
申请(专利权)人：四川华能宝兴河水电有限责任公司，
类型：发明
国别省市：
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。