一种抽水蓄能机组振动混合特征提取与分类方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109472288A(43)申请公布日2019.03.15(21)申请号201811169359.6(22)申请日2018.10.08(71)申请人华中科技大学地址430074湖北省武汉市洪山区珞喻路1037号(72)发明人周建中单亚辉姜伟刘涵赵宇杰郑阳张云程武越越柳炀王齐飞贾天龙田弟巍万俊毅(74)专利代理机构华中科技大学专利中心42201代理人李智曹葆青(51)Int.Cl.G06K9/62(2006.01)权利要求书1页说明书6页附图3页(54)发明名称一种抽水蓄能机组振动混合特征提取与分类方法(57)摘要本发明公开了一种抽水蓄能机组空蚀振动信号混合特征提取与分类方法，首先使用集合经验模态分解方法对采集的原始信号进行特征提取，得到一系列本征模态函数，并提取各IMF分量的能量特征和奇异值特征；同时，对原始信号中的多种典型时域和频域特征进行人工提取。然后，由以上计算得到的时域、频域、能量和奇异值特征共同组成原始信号的混合特征向量，将其作为径向基神经网络的输入，利用神经网络对抽水蓄能机组不同工况下的空蚀信号进行有效的分类与识别。通过本发明对抽水蓄能机组采集得到的水泵水轮机尾水管不同运行工况下的空蚀振动信号进行特征提取与分类，可以有效解决抽水蓄能机组不同运行工况下空蚀振动信号准确诊断的问题。CN109472288ACN109472288A权利要求书1/1页1.一种抽水蓄能机组故障混合特征提取与分类方法，其特征在于，包括：在抽水蓄能机组的不同运行工况下，以预设采样频率对机组空蚀振动信号进行采集，获得不同工况下的故障样本；计算原始空蚀振动信号的时域特征和频域特征，采用集合经验模态分解方法将所述原始空蚀振动信号分解为n个本征模态函数，并计算各本征模态函数的能量特征，同时，对各本征模态函数分量组成的矩阵进行奇异值分解分别获取奇异值特征，将所述时域特征、所述频域特征、所述能量特征及所述奇异值特征四种特征依次组合起来，构成振动信号的混合特征集；从所述故障样本中随机选取部分样本数据的混合特征集作为训练样本输入到神经网络进行学习，并将剩余的部分混合特征集作为测试样本输入到训练好的神经网络进行故障分类，输出诊断结果。2.根据权利要求1所述的方法，其特征在于，所述本征模态函数的能量特征为：E＝[G1G2…GnR1R2…Rn]，其中，其表示第i个本征模态函数的第一种能量函数，ci(k)表示第i个本征模态函数分量在k时刻取值，N为采样点总数；其表示第j个本征模态函数的第二种能量函数，cj(k)表示第j个本征模态函数分量在k时刻取值。3.根据权利要求1或2所述的方法，其特征在于，所述对各本征模态函数分量组成的矩阵进行奇异值分解分别获取奇异值特征，包括：T取前m层本征模态函数分量构建原始的矩阵Am×n，由Am×n＝UΛV对矩阵Am×n进行奇异值分解，其中，U与V分别为m×m和n×n的正交矩阵，Λ为m×n的对角矩阵[diag{σ1,σ2...,σp}0]，p＝min(m,n)，σ1,σ2...,σp为矩阵Am×n的奇异值。2CN109472288A说明书1/6页一种抽水蓄能机组振动混合特征提取与分类方法技术领域[0001]本发明属于电力系统抽水蓄能机组状态监测与信号分析领域，更具体地，涉及一种抽水蓄能机组振动混合特征提取与分类方法。背景技术[0002]空蚀是抽水蓄能机组过流部件最常见的故障之一，将会造成机组效率降低、转轮叶片寿命缩短，同时使机组产生剧烈的振动，更影响着大电网的安全稳定。因此，对抽水蓄能机组的稳定性展开研究具有重要的工程实际价值，空蚀振动信号是表征机组运行状态的重要指标。由于空蚀信号具有非平稳和强衰减等特性，极易被淹没于噪声中，因此，为提高机组运行效率和稳定性，探索新的特征提取方法，开展机组空蚀强度量化的研究工作显得尤为重要。[0003]目前，常用于工程实际的空蚀振动信号特征提取的方法主要包括：小波变换(WaveletTransform，WT)、局部均值分解(LocalMeanDecomposition，LMD)和经验模态分解(EmpiricalModeDecomposition，EMD)方法等。其中，WT分解信号的效果受小波基和阈值的影响；LMD分解信号的效果与滑动平均步长的选择有关；EMD虽然能自适应地将原始信号分解为一系列的本征模态函数(IntrinsicModeFunction，IMF)，但是由于存在端点效应和模态混叠现象，导致噪声与有用的信号无法完全分离开来；集合经验模态分解(EnsembleEmpiricalModeDecomposition，EEMD)是在EMD的基础上利用噪声的统计特性来有效避免混叠现象的新方法，实现各信号分量频率的分离，进而提取信号的