CN106096242A - 一种基于改进emd分解的尾水管压力脉动综合评价方法 - Google Patents
一种基于改进emd分解的尾水管压力脉动综合评价方法 Download PDFInfo
- Publication number
- CN106096242A CN106096242A CN201610388659.8A CN201610388659A CN106096242A CN 106096242 A CN106096242 A CN 106096242A CN 201610388659 A CN201610388659 A CN 201610388659A CN 106096242 A CN106096242 A CN 106096242A
- Authority
- CN
- China
- Prior art keywords
- imf
- signal
- component
- draft tube
- pressure fluctuation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明提供一种基于改进EMD分解的尾水管压力脉动综合评价方法,涉及水轮机尾水管压力脉动信号故障特征提取及状态评价。利用改进经验模态分解(EMD)方法、指标能量及多尺度特征熵理论提取水轮机尾水管多测点压力脉动信号特征,建立一种综合评价指标,用一个指标评价尾水管压力脉动程度。通过基于经验模态分解区间阀值的降噪法去除尾水管压力脉动信号中的背景噪声干扰,然后经EMD分解出表示不同时间尺度的本征模态函数IMF,利用相关系数理论提取有效分量,选择指标能量(IER)作为特征参数对有效分量进行特征提取,并基于多尺度特征熵值理论,建立压力脉动能量变化到系统状态混乱程度的映射关系,从一种新的角度综合评价尾水管压力脉动状态。
Description
技术领域
本发明涉及信号处理与故障诊断技术领域,尤其涉及水轮机尾水管压力脉动信号处理和其振动状态监测,具体为一种基于改进EMD分解方法的尾水管压力脉动综合评价方法。
背景技术
水电机组是一种复杂而特殊的旋转机械,随着其装机容量不断增大,机组设备更加复杂。当运行工况偏离最优区域时,转轮叶片出口流速在圆周方向上的分量较大,分量进入尾水管后,会在尾水管内形成比较明显的环量,随后发育成一个在尾水管内旋转的真空涡带。偏心涡带会引起水轮机过流通道中水力不稳定,出现压力脉动,情况严重时将导致机组振动和出力摆动,造成机组构件破坏,威胁机组的安全稳定经济运行。水轮机尾水管压力脉动是衡量机组运行稳定性的重要指标,从采集来的信号中提取出表征水轮机尾水管涡带状态的故障信息,可以更好地了解机组的运行状态和故障发展趋势,完成对水电机组尾水管涡带的状态评价及故障诊断。
在进行信号采集时,由于现场环境和设备的干扰不可避免地引入各种噪声,尾水管压力脉动信号淹没于背景噪声中,获取的信号不能真实反映机组运行状态,并且水电机组多源振动信号相互混叠,信号呈现出非线性和非平稳性,多种故障因素之间相互影响和制约,致使机组状态监测信号内蕴含着相互混叠的故障特征信息;这些因素增加了特征信号的复杂度和不确定性,增加了水电机组特征提取的难度。
针对水电机组强噪声背景下故障初期的微弱信号检测,混沌振子在微弱信号检测方面具有高灵敏度,然而在强背景噪声干扰下,混沌相空间遭到破坏后难以检测出微弱特征信号;独立分量分析在分离信号方面不受背景噪声的影响,适合微弱故障特征信号的提取,具有很好的应用前景,传统的独立分量分析特征提取法要求观测通道的个数大于等于振动源信号的个数,在实际工程中,振动观测信号很难满足独立分量分析的这一假设条件;针对水电机组多源振动信号的相互混叠,信号的非线性和时变特征,传统的信号分析方法是基于经典傅里叶变换,反映全局信息,时频分析法是根据信号的局部信息,细化局部特征,已经逐步发展为信号处理及征兆获取的最主要方法。主要的几种时频分析方法中短时傅里叶变换、wignerville和小波变换都是基于经典傅里叶变换,短时傅里叶变换的结果取决于所取得窗函数效果,wignerville是双线性变换,有交叉干扰问题,小波变换效果也是取决于预先选取的小波基,固定的小波基会造成能量泄露,产生虚假分量,对于非平稳信号的处理具有局限性;经验模态分解(Empirical Mode Decomposition,EMD)是一种新型的时频分析法,不需要预先选取基函数,具有自适应地滤波特性和多分辨率特性,在很多非线性研究领域得到了广泛应用,但在分解过程中常会出现虚假分量,影响信号特征分析的准确性。
发明内容
针对上述水轮机尾水管压力脉动信号强背景噪声干扰问题和压力脉动信号的非线性和时变特征,本发明提出一种新的水轮机尾水管压力脉动多尺度状态评价方法,即基于改进经验模态分解和指标能量特征下的多尺度特征熵理论的尾水管压力脉动评价方法。这种方法对水轮机尾水管多个测点的压力脉动信号进行如下处理:首先应用经验模态分解阀值法,从现场采集的含噪声信号中提取出尾水管压力脉动信号真实信息,降噪后重构信号,通过EMD分解为本征模态函数,本征模态函数(IntrinsicModeFunction,IMF)代表不同频带的信号分量,降低了原信号的复杂性,提供了简便的信号分析形式,利用相关系数准则剔除IMF分量中的虚假IMF分量,将表征故障特征的微弱信号分量提取出来;选择指标能量(IER)作为能量特征参数对各故障目标进行特征提取,计算各个有效IMF分量的指标能量,每一个IMF建立的指标能量代表了该分量信号所含有的特征信息,而整个信号的指标能量则代表了该信号在多个特征尺度下所包含的全部信息,在整个信号的指标能量基础上建立多尺度特征熵,最终将由多测点信号分析得到的多尺度特征熵作为尾水管状态评价的特征向量,通过多尺度特征熵值的变化来评价其状态。
本发明的具体技术方案如下:
一种基于改进EMD分解的尾水管压力脉动综合评价方法,包括以下步骤:
步骤1、采用包含多个代表性测点的信号采集系统,以获取尾水管压力脉动状态的全部信息;
步骤2、对获取到的每个测点的监测信号,通过经验模态分解区间阀值降噪方法进行降噪处理,将真实的尾水管压力脉动信号从现场采集的含噪声信号中提取出来,降噪后的重构信号通过EMD方法自适应地分解为不同频带的IMF分量;
步骤3、对IMF分量中可能出现的伪分量,利用相关系数准则判断各个IMF分量与原信号之间的散度,根据预设的相关系数阀值,剔除分量中相关系数小于预设阀值的虚假IMF分量,提取具有显著特征的有效IMF分量;
步骤4、计算各个有效IMF分量的指标能量和特征熵值,叠加各个分量的特征熵值,建立基于整个信号指标能量的多尺度特征熵;
步骤5、综合尾水管压力脉动各个测点的多尺度特征熵值,将其作为尾水管系统稳定性指标,完成尾水管压力脉动状态的综合评价。
所述步骤1中,多个代表性测点的位置,分别位于尾水管进口、进人门、肘管和尾水管出口,以全面获取尾水管压力脉动状态信息。
所述步骤2中,
首先,对现场每个测点的采集信号yi(t)利用经验模态分解EMD分解为多个IMF分量,具体步骤如下:
a)、先找到复合信号yi(t)波形图中局部极大值点和极小值点,采用三次样条插值将所有局部极大值点连接起来,得到上包络曲线ui(t),所有局部极小值点连接起来得到下包络曲线li(t),至此信号所有数据点都被包络在这两条包络线之间;
b)、平均上下包络曲线求得均值曲线mi(t),原信号数据与平均包络曲线相减得到一个新的数据序列yi1(t);
c)、检测yi1(t)是否满足分量的两个条件:一是一段数据序列,极值点和过零点数目必须相等或至多相差一点,二是信号局部零均值;若不满足,则将yi1(t)作为原始信号,重复上述a)、b)步骤,直到yi1(t)满足分量条件;
d)、记IMFi1=yi1(t),IMFi1为信号yi(t)的第一个分量,将IMFi1从yi(t)中分离出去,得到差值信号ri1(t),当ri1(t)不满足预设的停止准则时,将ri1(t)作为新的原始信号,重复上述a)、b)、c)步骤,得到第2个分量IMFi2;重复下去,直到达到停止条件,如公式(1)所示:
e)、由此,信号yi(t)被分解为n个IMFij分量和一个残余分量rin(t)即如公式2所示:
所述的停止准则满足两个条件:1)残余分量比预期更小;2)残余分量变成单调函数;
再根据每个测点信号分解成的多个分量IMFij与原信号yi(t)之间的相关系数ρij确定需要处理的含噪声信号分量;根据相关资料本发明将相关系数临界值取为0.8,分量相关系数大于0.8时,该分量对原信号特征具有更大的代表性,因此需要进一步对该分量进行降噪处理,去除该分量中噪声的影响;
受噪声干扰信号分量消噪后的分量表达形式为:
式中,Ti为降噪阀值,为第i个测点第j个分量的第k个极值点所对应时间,为第i个测点第j个分量的第k个极值点所对应极值大小,所表示时间为第i个测点第j个分量的第k个极值点相邻近两个零点的时间区间,当第k个极值点极值大于该分量降噪阀值时,该极值点两个临近零点间波形保持不变,当第k个极值点小于等于该分量阀值时,该极值点两个临近零点间波形取值为0;
式中p为离散采样点数,σi为噪声信号的波动估计值,依据信号分量的中位数确定,计算公式为:
其中median代表求中位数,因此,降噪后的压力脉动信号表达式为:
式中:ri(t)为第i个压力脉动通道信号降噪后残余分量,last表示大于一个常数的相关系数中最大的一个m值,通常此常数取值为0.8,ρ(m)代表相关系数计算。
所述步骤3中,
首先,将降噪后重构的尾水管压力脉动信号重新经验模态分解为n个本征模态函数IMF和剩余分量的和;
利用相关系数法进行伪分量的识别和排除,相关系数r定义如下:
式中x、y分别代表进行相关度计算的信号分量和降噪后的重构信号。
相关系数反映的是IMF分量与原信号的相关程度;当相关程度为正时表示变量正相关;当相关程度为负时表示变量负相关;相关系数接近于0时,表示变量不相关;相关程度绝对值接近于1时,表明两变量具有极高的相关性。
所述步骤4的具体过程为:
根据各个IMF分量与重构信号的相关系数排除虚假分量后,筛选得到代表不同频率尺度的有效IMF分量;
式(10)中,IE(IMFij(t))和分别为第i个测点信号第j个IMF分量及其重构信号的能量参数,IERij为第i个测点第j个IMF分量的指标能量,重构信号总能量为IERtoti,s为计算的指标能量总个数;
IMF分量指标能量归一化处理后,根据熵值计算公式,求得IMF分量特征熵值 为归一化后的指标能量,即
因此,基于多测点尾水管压力脉动信号指标能量的多尺度特征熵表示为:
式中,m为尾水管压力脉动信号采集系统中信号测点,si为第i个测点的有效IMF分量数。
本发明提出一种基于改进EMD分解的尾水管压力脉动综合评价方法,具有以下优点:
1、基于区间阀值的降噪方法处理后的压力脉动信号,结合传统降噪方法中软阀值和硬阀值函数的优点,一定程度上克服了两者的缺点,滤除噪声信号的同时保留了原有信号的细节特征;
2、水电机组运行过程尤其是过渡工况,尾水管压力脉动信号是复杂的非平稳随机信号,EMD克服了传统信号处理技术对非平稳信号的局限性,自适应地将信号分解为代表不同频带的IMF分量;
3、EMD分解中固有的模态混叠问题,产生影响故障诊断的虚假分量,本发明提出利用相关系数准则,剔除虚假分量,提高了尾水管压力脉动状态评价的准确性;
4、综合多测点的压力脉动状态信息,建立基于多测点信号指标能量的多尺度特征熵,实现利用一个熵值参数完成尾水管压力脉动的综合评价;指标能量计算简便,熵值对状态变化规律反映敏感;因此,将多尺度特征熵值作为评价指标为高效的尾水管压力脉动状态评价奠定了基础。
附图说明
图1为本发明中尾水管压力脉动综合评价指标确立流程图;
图2为尾水管压力脉动数据测点示意图;
图3为经验模态分解(EMD)流程图。
具体实施方式
下面结合附图及实施例对本发明作进一步说明。
本发明技术流程如附图1所示,具体技术方案采取以下步骤:
1)首先设计了包含多个代表性测点的信号采集系统,获取尾水管压力脉动状态的监测信号;
2)对每个测点的监测信号,通过经验模态分解区间阀值降噪方法(EMD-corID)进行降噪处理,将真实的尾水管压力脉动信号从现场采集的含噪声信号中提取出来,降噪后的重构信号通过EMD方法自适应地分解为不同频带的IMF分量;
3)对IMF分量中可能出现的伪分量,利用相关系数准则判断各个IMF分量与原信号之间的散度,根据预设的相关系数阀值,剔除分量中相关系数小于预设阀值的虚假IMF分量,提取具有显著特征的有效IMF分量;
4)计算各个测点有效IMF分量的指标能量和特征熵值,叠加各个测点各个分量的特征熵值,建立基于整个测点信号指标能量的特征熵;
5)最终,综合尾水管压力脉动各个测点的多尺度特征熵值,将其作为尾水管系统稳定性指标,完成尾水管压力脉动状态的综合评价。
步骤1)中,首先,为了全面获取尾水管压力脉动状态信息,设计如附图2所示多个压力脉动测点位置,分别位于尾水管进口、进人门、肘管和尾水管出口。
步骤2)中,首先对现场每个测点的采集信号yi(t)都利用经验模态分解(EMD)分解为多个IMF分量。EMD分解流程图如附图3所示,具体步骤如下:
a)先找到复合信号yi(t)波形图中局部极大值点和极小值点,采用三次样条插值将所有局部极大值点连接起来,得到上包络曲线ui(t),所有局部极小值点连接起来得到下包络曲线li(t),至此信号所有数据点都被包络在这两条包络线之间;
b)平均上下包络曲线求得均值曲线mi(t),原信号数据与平均包络曲线相减得到一个新的数据序列yi1(t);
c)检测yi1(t)是否满足分量的两个条件:一是一段数据序列,极值点和过零点数目必须相等或至多相差一点,二是信号局部零均值。若不满足,则将yi1(t)作为原始信号,重复上述a)、b)操作,直到yi1(t)满足分量条件;
d)记IMFi1(t)=yi1(t),IMFi1为信号yi(t)的第一个分量,将IMFi1从yi(t)中分离出去,得到差值信号ri1(t),当ri1(t)不满足预设的停止准则时,将ri1(t)作为新的原始信号,重复上述a)、b)、c)操作,得到第2个分量IMFi2;重复下去,直到达到停止条件,如公式(1)所示:
e)由此,信号yi(t)被分解为n个IMFij分量和一个残余分量rin(t)即如公式2所示:
停止准则应该满足两个条件:1)残余分量比预期更小;2)残余分量变成单调函数。
再根据每个测点信号分解成的多个分量IMFij与原信号yi(t)之间的相关系数ρij确定需要处理的含噪声信号分量,根据相关资料本发明将相关系数临界值取为0.8,分量相关系数大于0.8时,该分量对原信号特征具有更大的代表性,因此需要进一步对该分量进行降噪处理,去除该分量中噪声的影响。
受噪声干扰信号分量消噪后的分量表达形式为:
式中,Tp为降噪阀值,为第i个测点第j个分量的第k个极值点所对应时间,为第i个测点第j个分量的第k个极值点所对应极值大小,所表示时间为第i个测点第j个分量的第k个极值点相邻近两个零点的时间区间,当第k个极值点极值大于该分量降噪阀值时,该极值点两个临近零点间波形保持不变,当第k个极值点小于等于该分量阀值时,该极值点两个临近零点间波形取值为0。
式中p为离散采样点数,σi为噪声信号的波动估计值,依据信号分量的中位数确定,计算公式为:
其中median代表求中位数,因此,降噪后的压力脉动信号表达式为:
式中:ri(t)为第i个压力脉动通道信号降噪后残余分量,last表示大于某常数的相关系数中最大的一个m值,通常此常数取值为0.8,ρ(m)代表相关系数计算。
步骤3)中,首先将降噪后重构的尾水管压力脉动信号重新经验模态分解为n个本征模态函数IMF和剩余分量的和。
经验模态分解根据复合信号自身特性自适应分解信号的同时,常伴随分量中出现虚假分量的问题,为了避免伪分量对信号分析造成的影响,本发明利用相关系数法进行伪分量的识别和排除,相关系数定义如下:
式中x、y分别代表进行相关度计算的信号分量和降噪后的重构信号。
相关系数反映的是IMF分量与原信号的相关程度。当相关程度为正时表示变量正相关,当相关程度为负时表示变量负相关,相关系数接近于0时,表示变量不相关。相关程度绝对值接近于1时,表明两变量具有极高的相关性。相关系数绝对值与相关程度之间的关系如表1。
表1|r|取值与相关性关系表
相关度大小根据|r|值划分为五档,最低档相关度极低;极低的相关性代表此时分量与原信号之间趋近于无相关性,因此,本发明将划分相关度为最低档的|r|值作为判别虚假分量的阀值,如表1所示,该阀值为0.19;当相关系数绝对值低于0.19时判定该分量为虚假分量,应当去除。
步骤4)中:根据各个IMF分量与重构信号的相关系数排除虚假分量后,筛选得到代表不同频率尺度的有效IMF分量,式(10)中IE(IMFij(t))和分别为第i个测点信号第j个IMF分量及其重构信号的能量参数,p为采样数据点,N为采样点数,IERij为第i个测点第j个IMF分量的指标能量,重构信号总能量为IERtoti,如公式(11)所示,s为计算的指标能量总个数。
式10中,P的含义是采样点数,变量是t是代表连续的信号,变量是p时代表离散的采样点处的数值;
IMF分量指标能量归一化处理后,根据熵值计算公式,求得IMF分量特征熵值 为归一化后的指标能量,即
因此基于多测点尾水管压力脉动信号指标能量的多尺度特征熵可表示为:
式中,m为尾水管压力脉动信号采集系统中信号测点数,si为第i个测点的有效IMF分量数。
采用本发明的技术方案,具有以下有益效果:
1、水电机组在运行中,由于机组振动受到水力、机械和电磁因素的影响,各个因素相互耦合,故尾水管压力脉动信号是复杂的非平稳随机信号。经验模态分解根据信号特征能够自适应地完成不同频率特征的信号分量的提取。
2、现场采集信号,由于受到运行背景噪声、测量、传输过程多种因素干扰,获取的信号不能真实反映机组运行状态,传统降噪方法中的软阀值函数和硬阀值函数难以同时满足降低噪声与保留有用信号细节特征的要求。本发明采用改进阀值函数的经验模态分解区间阀值降噪,结合了两种阀值函数的优点,一定程度上克服了两者的缺点,实现水电机组尾水管压力脉动信号中表征故障的有用信息从背景噪声中提取出来,满足实际工程需要;
3、针对经验模态分解过程中多种频率成分相互混叠造成信号分量中出现干扰故障诊断的伪分量信息,采用相关系数理论进行处理,相关系数越小表明该分量与信号的关系越远,判断其为虚假分量予以剔除,排除虚假分量信号对尾水管压力脉动状态评价的干扰,提高尾水管压力脉动状态评价的准确性。
4、通过多个测点全面监测尾水管压力脉动情况,将每个测点的压力脉动信号特点自适应地分解为不同尺度下的多个IMF分量,计算各个有效IMF分量的指标能量,考虑到分量增加对诊断效率的影响,建立多尺度特征熵,形成故障特征向量评价尾水管振动状态。
5、基于尾水管多测点压力脉动信号能量特征的多尺度特征熵充分反映了尾水管压力脉动状态,同时指标能量计算简便,熵值对状态变化规律反映敏感,因此,将基于指标能量的特征熵值作为故障模式识别的特征向量,为高效的尾水管状态评价提供了基础。
Claims (5)
1.一种基于改进EMD分解的尾水管压力脉动综合评价方法,其特征在于:包括以下步骤:
步骤1、采用包含多个代表性测点的信号采集系统,以获取尾水管压力脉动状态的全部信息;
步骤2、对获取到的每个测点的监测信号,通过经验模态分解区间阀值降噪方法进行降噪处理,将真实的尾水管压力脉动信号从现场采集的含噪声信号中提取出来,降噪后的重构信号通过EMD方法自适应地分解为不同频带的IMF分量;
步骤3、对IMF分量中可能出现的伪分量,利用相关系数准则判断各个IMF分量与原信号之间的散度,根据预设的相关系数阀值,剔除分量中相关系数小于预设阀值的虚假IMF分量,提取具有显著特征的有效IMF分量;
步骤4、计算各个有效IMF分量的指标能量和特征熵值,叠加各个分量的特征熵值,建立基于整个信号指标能量的多尺度特征熵;
步骤5、综合尾水管压力脉动各个测点的多尺度特征熵值,将其作为尾水管系统稳定性指标,完成尾水管压力脉动状态的综合评价。
2.根据权利要求1所述的一种基于改进EMD分解的尾水管压力脉动综合评价方法,其特征在于:
所述步骤1中,多个代表性测点的位置,分别位于尾水管进口、进人门、肘管和尾水管出口,以全面获取尾水管压力脉动状态信息。
3.根据权利要求2所述的一种基于改进EMD分解的尾水管压力脉动综合评价方法,其特征在于:所述步骤2中,
首先,对现场每个测点的采集信号yi(t)利用经验模态分解EMD分解为多个IMF分量,具体步骤如下:
a)、先找到复合信号yi(t)波形图中局部极大值点和极小值点,采用三次样条插值将所有局部极大值点连接起来,得到上包络曲线ui(t),所有局部极小值点连接起来得到下包络曲线li(t),至此信号所有数据点都被包络在这两条包络线之间;
b)、平均上下包络曲线求得均值曲线mi(t),原信号数据与平均包络曲线相减得到一个新的数据序列yi1(t);
c)、检测yi1(t)是否满足分量的两个条件:一是一段数据序列,极值点和过零点数目必须相等或至多相差一点,二是信号局部零均值;若不满足,则将yi1(t)作为原始信号,重复上述a)、b)步骤,直到yi1(t)满足分量条件;
d)、记IMFi1=yi1(t),IMFi1为信号yi(t)的第一个分量,将IMFi1从yi(t)中分离出去,得到差值信号ri1(t),当ri1(t)不满足预设的停止准则时,将ri1(t)作为新的原始信号,重复上述a)、b)、c)步骤,得到第2个分量IMFi2;重复下去,直到达到停止条件,如公式(1)所示:
e)、由此,信号yi(t)被分解为n个IMFij分量和一个残余分量rin(t)即如公式2所示:
所述的停止准则满足两个条件:1)残余分量比预期更小;2)残余分量变成单调函数;
再根据每个测点信号分解成的多个分量IMFij与原信号yi(t)之间的相关系数ρij确定需要处理的含噪声信号分量;
受噪声干扰信号分量消噪后的分量表达形式为:
式中,Ti为降噪阀值,为第i个测点第j个分量的第k个极值点所对应时间,为第i个测点第j个分量的第k个极值点所对应极值大小,所表示时间为第i个测点第j个分量的第k个极值点相邻近两个零点的时间区间,当第k个极值点极值大于该分量降噪阀值时,该极值点两个临近零点间波形保持不变,当第k个极值点小于等于该分量阀值时,该极值点两个临近零点间波形取值为0;
式中p为离散采样点数,σi为噪声信号的波动估计值,依据信号分量的中位数确定,计算公式为:
其中median代表求中位数,因此,降噪后的压力脉动信号表达式为:
式中:ri(t)为第i个压力脉动通道信号降噪后残余分量,last表示大于一个常数的相关系数中最大的一个m值,ρ(m)代表相关系数计算。
4.根据权利要求3所述的一种基于改进EMD分解的尾水管压力脉动综合评价方法,其特征在于:所述步骤3中,
首先,将降噪后重构的尾水管压力脉动信号重新经验模态分解为n个本征模态函数IMF和剩余分量的和;
利用相关系数法进行伪分量的识别和排除,相关系数r定义如下:
式中x、y分别代表进行相关度计算的信号分量和降噪后的重构信号。
5.根据权利要求4所述的一种基于改进EMD分解的尾水管压力脉动综合评价方法,其特征在于:
所述步骤4的具体过程为:
根据各个IMF分量与重构信号的相关系数排除虚假分量后,筛选得到代表不同频率尺度的有效IMF分量;
式(10)中,IE(IMFij(t))和分别为第i个测点信号第j个IMF分量及其重构信号的能量参数,IERij为第i个测点第j个IMF分量的指标能量,重构信号总能量为IERtoti,s为计算的指标能量总个数;
IMF分量指标能量归一化处理后,根据熵值计算公式,求得IMF分量特征熵值 为归一化后的指标能量,即
因此,基于多测点尾水管压力脉动信号指标能量的多尺度特征熵表示为:
式中,m为尾水管压力脉动信号采集系统中信号测点,si为第i个测点的有效IMF分量数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610388659.8A CN106096242B (zh) | 2016-06-01 | 2016-06-01 | 一种基于改进emd分解的尾水管压力脉动综合评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610388659.8A CN106096242B (zh) | 2016-06-01 | 2016-06-01 | 一种基于改进emd分解的尾水管压力脉动综合评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106096242A true CN106096242A (zh) | 2016-11-09 |
CN106096242B CN106096242B (zh) | 2019-01-18 |
Family
ID=57448328
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610388659.8A Active CN106096242B (zh) | 2016-06-01 | 2016-06-01 | 一种基于改进emd分解的尾水管压力脉动综合评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106096242B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106772032A (zh) * | 2016-11-29 | 2017-05-31 | 西安理工大学 | 一种水轮发电机组的故障特征提取方法 |
CN107144829A (zh) * | 2017-06-29 | 2017-09-08 | 南京信息工程大学 | 一种高效的激光雷达回波信号去噪方法 |
CN107687941A (zh) * | 2017-07-03 | 2018-02-13 | 昆明理工大学 | 一种基于振动信号分析的高压隔膜泵单向阀早期故障诊断方法 |
CN107908863A (zh) * | 2017-11-14 | 2018-04-13 | 哈尔滨理工大学 | 一种基于emd理论与hht变换的水轮机运转状态判定方法 |
CN108594161A (zh) * | 2018-05-03 | 2018-09-28 | 国网重庆市电力公司电力科学研究院 | 一种电能表内异物声音信号降噪方法、系统 |
CN109784661A (zh) * | 2018-12-19 | 2019-05-21 | 华北电力大学(保定) | 一种热工过程稳态检测方法和系统 |
CN111175018A (zh) * | 2020-01-09 | 2020-05-19 | 哈尔滨电机厂有限责任公司 | 一种判定高比速水力机械模型肘管下游侧刚度不足的方法 |
CN112528805A (zh) * | 2020-12-04 | 2021-03-19 | 湖南五凌电力科技有限公司 | 一种水轮机压力脉动分析方法、装置、设备及存储介质 |
CN116956496A (zh) * | 2023-08-08 | 2023-10-27 | 昆明理工大学 | 一种水轮机尾水管涡带状态重构方法 |
CN116955938A (zh) * | 2023-09-20 | 2023-10-27 | 苏州新耀环保科技有限公司 | 一种基于数据分析的干式废气处理设备监测方法及系统 |
CN117450995A (zh) * | 2023-10-25 | 2024-01-26 | 中国公路工程咨询集团有限公司 | 一种基于北斗遥感的桥梁基础施工监测的方法及系统 |
CN117540328A (zh) * | 2024-01-09 | 2024-02-09 | 山西众诚安信安全科技有限公司 | 一种煤矿噪声高精度测量过程中噪声处理方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103955601A (zh) * | 2014-04-09 | 2014-07-30 | 中国水利水电科学研究院 | 一种水轮机尾水管动态特征的提取方法 |
-
2016
- 2016-06-01 CN CN201610388659.8A patent/CN106096242B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103955601A (zh) * | 2014-04-09 | 2014-07-30 | 中国水利水电科学研究院 | 一种水轮机尾水管动态特征的提取方法 |
Non-Patent Citations (4)
Title |
---|
丁常富等: "EMD中有效IMF选取方法的研究", 《热力发电》 * |
李辉等: "改进希尔伯特-黄变换方法提取水轮机动态特征信息", 《中国电机工程学报》 * |
薛延刚等: "基于EMD多尺度特征熵的水轮机尾水管涡带信息提取", 《农业工程学报》 * |
薛延刚等: "基于改进HHT方法提取水轮机动态特征信息研究", 《水力发电学报》 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106772032B (zh) * | 2016-11-29 | 2020-03-31 | 西安理工大学 | 一种水轮发电机组的故障特征提取方法 |
CN106772032A (zh) * | 2016-11-29 | 2017-05-31 | 西安理工大学 | 一种水轮发电机组的故障特征提取方法 |
CN107144829A (zh) * | 2017-06-29 | 2017-09-08 | 南京信息工程大学 | 一种高效的激光雷达回波信号去噪方法 |
CN107144829B (zh) * | 2017-06-29 | 2019-11-19 | 南京信息工程大学 | 一种高效的激光雷达回波信号去噪方法 |
CN107687941A (zh) * | 2017-07-03 | 2018-02-13 | 昆明理工大学 | 一种基于振动信号分析的高压隔膜泵单向阀早期故障诊断方法 |
CN107908863A (zh) * | 2017-11-14 | 2018-04-13 | 哈尔滨理工大学 | 一种基于emd理论与hht变换的水轮机运转状态判定方法 |
CN108594161B (zh) * | 2018-05-03 | 2020-06-19 | 国网重庆市电力公司电力科学研究院 | 一种电能表内异物声音信号降噪方法、系统 |
CN108594161A (zh) * | 2018-05-03 | 2018-09-28 | 国网重庆市电力公司电力科学研究院 | 一种电能表内异物声音信号降噪方法、系统 |
CN109784661A (zh) * | 2018-12-19 | 2019-05-21 | 华北电力大学(保定) | 一种热工过程稳态检测方法和系统 |
CN111175018A (zh) * | 2020-01-09 | 2020-05-19 | 哈尔滨电机厂有限责任公司 | 一种判定高比速水力机械模型肘管下游侧刚度不足的方法 |
CN111175018B (zh) * | 2020-01-09 | 2021-08-20 | 哈尔滨电机厂有限责任公司 | 一种判定高比速水力机械模型肘管下游侧刚度不足的方法 |
CN112528805A (zh) * | 2020-12-04 | 2021-03-19 | 湖南五凌电力科技有限公司 | 一种水轮机压力脉动分析方法、装置、设备及存储介质 |
CN116956496A (zh) * | 2023-08-08 | 2023-10-27 | 昆明理工大学 | 一种水轮机尾水管涡带状态重构方法 |
CN116956496B (zh) * | 2023-08-08 | 2024-04-19 | 昆明理工大学 | 一种水轮机尾水管涡带状态重构方法 |
CN116955938A (zh) * | 2023-09-20 | 2023-10-27 | 苏州新耀环保科技有限公司 | 一种基于数据分析的干式废气处理设备监测方法及系统 |
CN116955938B (zh) * | 2023-09-20 | 2023-12-29 | 苏州新耀环保科技有限公司 | 一种基于数据分析的干式废气处理设备监测方法及系统 |
CN117450995A (zh) * | 2023-10-25 | 2024-01-26 | 中国公路工程咨询集团有限公司 | 一种基于北斗遥感的桥梁基础施工监测的方法及系统 |
CN117540328A (zh) * | 2024-01-09 | 2024-02-09 | 山西众诚安信安全科技有限公司 | 一种煤矿噪声高精度测量过程中噪声处理方法 |
CN117540328B (zh) * | 2024-01-09 | 2024-04-02 | 山西众诚安信安全科技有限公司 | 一种煤矿噪声高精度测量过程中噪声处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106096242B (zh) | 2019-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106096242A (zh) | 一种基于改进emd分解的尾水管压力脉动综合评价方法 | |
CN107013449B (zh) | 基于深度学习的声音信号识别压缩机故障的方法及系统 | |
CN110454687A (zh) | 一种基于改进vmd的管道多点泄漏定位方法 | |
CN104714925B (zh) | 一种基于分数阶傅里叶变换和支持向量机的齿轮传动噪声分析方法 | |
CN109635334A (zh) | 基于粒子群优化的滚动轴承故障诊断方法、系统及介质 | |
CN104165925B (zh) | 随机共振的离心式压缩机半开式叶轮裂纹故障检测方法 | |
CN109827777A (zh) | 基于偏最小二乘法极限学习机的滚动轴承故障预测方法 | |
CN104132250A (zh) | 一种基于改进小波包的管道泄漏特征向量提取方法 | |
CN103149029B (zh) | 利用倒频谱识别航空发动机转静碰摩部位的方法 | |
CN102109554B (zh) | 电网次同步振荡的模态自适应实时检测方法 | |
CN107607065A (zh) | 一种基于变分模态分解的冲击回波信号分析方法 | |
Sheng et al. | Applications in bearing fault diagnosis of an improved Kurtogram algorithm based on flexible frequency slice wavelet transform filter bank | |
CN103424183B (zh) | 机械振动信号检测异常干扰消除方法 | |
CN109781412A (zh) | 一种基于eemd的滚动轴承自适应共振解调方法 | |
CN105046025B (zh) | 一种核磁共振多相流测量中各相分离的方法 | |
CN106771598B (zh) | 一种自适应谱峭度信号处理方法 | |
CN111898556A (zh) | 基于ck指标一致的轴承瞬态冲击特征提取方法 | |
CN101900789A (zh) | 基于小波变换与分形维数的容差模拟电路故障诊断方法 | |
CN106250904A (zh) | 基于改进s变换的电能扰动分析仪及分类方法 | |
Wei et al. | Incipient fault diagnosis of rolling element bearing based on wavelet packet transform and energy operator | |
Wang et al. | Weak fault detection for wind turbine bearing based on ACYCBD and IESB | |
CN103530660B (zh) | 一种带钢张力传感器故障早期诊断方法 | |
CN114088387A (zh) | 一种齿轮故障诊断方法、存储介质和装置 | |
CN106202919B (zh) | 一种基于震源参数的微震与爆破事件识别方法 | |
CN109342091A (zh) | 基于自适应形态滤波及改进emd的振动故障提取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |