CN113803201A - 水电机组机械振动状态样本提取及构建方法、装置及设备 - Google Patents
水电机组机械振动状态样本提取及构建方法、装置及设备 Download PDFInfo
- Publication number
- CN113803201A CN113803201A CN202110867018.1A CN202110867018A CN113803201A CN 113803201 A CN113803201 A CN 113803201A CN 202110867018 A CN202110867018 A CN 202110867018A CN 113803201 A CN113803201 A CN 113803201A
- Authority
- CN
- China
- Prior art keywords
- peak
- mechanical vibration
- vibration state
- characteristic
- rotating speed
- 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
- 238000000034 method Methods 0.000 title claims abstract description 194
- 230000008569 process Effects 0.000 claims abstract description 130
- 230000008859 change Effects 0.000 claims abstract description 51
- 238000004458 analytical method Methods 0.000 claims abstract description 23
- 230000005540 biological transmission Effects 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims description 46
- 238000004590 computer program Methods 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 14
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract description 4
- 238000011156 evaluation Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 39
- 238000001228 spectrum Methods 0.000 description 23
- 238000005070 sampling Methods 0.000 description 22
- 238000004088 simulation Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 8
- 238000012360 testing method Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 238000010183 spectrum analysis Methods 0.000 description 5
- 238000013519 translation Methods 0.000 description 5
- 230000003247 decreasing effect Effects 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000000630 rising effect Effects 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 108010076504 Protein Sorting Signals Proteins 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03B—MACHINES OR ENGINES FOR LIQUIDS
- F03B11/00—Parts or details not provided for in, or of interest apart from, the preceding groups, e.g. wear-protection couplings, between turbine and generator
- F03B11/008—Measuring or testing arrangements
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03B—MACHINES OR ENGINES FOR LIQUIDS
- F03B13/00—Adaptations of machines or engines for special use; Combinations of machines or engines with driving or driven apparatus; Power stations or aggregates
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2220/00—Application
- F05B2220/70—Application in combination with
- F05B2220/706—Application in combination with an electrical generator
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/20—Hydro energy
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Control Of Eletrric Generators (AREA)
- Control Of Water Turbines (AREA)
Abstract
本申请提出一种水电机组机械振动状态样本提取及构建方法、装置及设备，涉及数据处理技术领域，其中，所述方法包括：获取开机升转速动态过程或停机降转速动态过程中水电机组的机械振动状态特征；根据机械振动状态特征建立变化趋势样本，其中，在机械振动状态特征包括阶次频率幅值特征时，根据停机降转速动态过程中键相传感应器测得的转速信息，由频率计数器及比例合成器产生与转速信息成比例的振动角度域平稳信号；对生成的振动角度域平稳信号结合快速傅里叶变换FFT分析以及整周期截断法，确定阶次频率幅值特征。从而对水电机组实时进行振动状态变化趋势的跟踪评估以及预警，及早发现机组潜在机械故障，消除事故隐患，保障机组运行安全稳定性。
Description
技术领域
本申请涉及数据处理技术领域，尤其涉及一种水电机组机械振动状态样本提取及构建方法、装置及设备。
背景技术
相关技术中，水电机组在运行过程中经常由于摩擦、部件松动及疲劳等原因发生退化，难以安全稳定运行。目前的水电机组机械振动分析方法中，采用离线变转速试验的方式，通过观察振动幅值及其随转速变化趋势来判断机械振动状态，进而确定水电机组的状态。
然而离线试验不仅需要特定的试验条件，不具备频繁进行的可行性，并且耗费大量的物力、人力和财力，而且不能实时跟踪机组长期运行下的机械振动状态变化趋势。
发明内容
本申请提供了一种水电机组机械振动状态样本提取及构建方法、装置及设备。
根据本申请的一方面，提出了一种水电机组机械振动状态样本提取及构建方法，包括：获取开机升转速动态过程或停机降转速动态过程中水电机组的机械振动状态特征；所述机械振动状态特征包括峰峰值变化趋势特征和/或阶次频率幅值特征；根据所述机械振动状态特征建立变化趋势样本；在所述机械振动状态特征包括所述阶次频率幅值特征的情况下，所述获取停机降转速动态过程中水电机组的机械振动状态特征，包括：根据停机降转速动态过程中键相传感应器测得的转速信息，由频率计数器及比例合成器产生与所述转速信息成比例的振动角度域平稳信号；对生成的所述振动角度域平稳信号结合快速傅里叶变换FFT分析以及整周期截断法，确定所述阶次频率幅值特征。
可选的，在所述机械振动状态特征包括所述峰峰值变化趋势特征的情况下，所述获取停机降转速动态过程中水电机组的机械振动状态特征，包括：
采集所述水电机组的振动波形数据，根据所述振动波形数据选取峰峰值计算区间；
确定所述峰峰值计算区间内所述振动波形数据的最小值以及最大值，其中，所述最小值对应的置信度和所述最大值对应的置信度位于预设置信度范围内；
将所述最大值与所述最小值的差值，作为峰峰值；
根据各个所述峰峰值计算区间的所述峰峰值，确定所述峰峰值变化趋势特征。
可选的，所述根据所述机械振动状态特征建立变化趋势样本，包括：
将所述峰峰值变化趋势特征作为所述变化趋势样本；
和/或，
对所述阶次频率幅值特征进行分析，得到多元特征阶次频率能量占比变化趋势特征；根据所述多元特征阶次频率能量占比变化趋势特征，建立所述变化趋势样本。
本申请提供的水电机组机械振动状态样本提取及构建方法中，通过获取停机降转速动态过程中水电机组的机械振动状态特征；所述机械振动状态特征包括峰峰值变化趋势特征和/或阶次频率幅值特征；根据所述机械振动状态特征建立变化趋势样本；在所述机械振动状态特征包括所述阶次频率幅值特征的情况下，所述获取停机降转速动态过程中水电机组的机械振动状态特征，包括：根据停机降转速动态过程中键相传感应器测得的转速信息，由频率计数器及比例合成器产生与所述转速信息成比例的振动角度域平稳信号；对生成的所述振动角度域平稳信号结合快速傅里叶变换FFT分析以及整周期截断法，确定所述阶次频率幅值特征。从而实现对水电机组实时进行振动状态变化趋势的跟踪评估以及预警，及早发现机组潜在机械故障，消除事故隐患，保障机组运行安全稳定性。
根据本申请的另一方面提出了一种水电机组机械振动状态样本提取及构建装置，包括：获取模块，用于获取开机升转速动态过程或停机降转速动态过程中水电机组机械振动状态特征；所述机械振动状态特征包括峰峰值变化趋势特征和/或阶次频率幅值特征；建立模块，用于根据机械振动状态特征建立变化趋势样本；在所述机械振动状态特征包括所述阶次频率幅值特征的情况下，所述获取模块包括：信号产生单元，用于根据停机降转速动态过程中键相传感应器测得的转速信息，由频率计数器及比例合成器产生与所述转速信息成比例的振动角度域平稳信号；阶次频率幅值特征确定单元，用于对生成的所述振动角度域平稳信号结合快速傅里叶变换FFT分析以及整周期截断法，确定所述阶次频率幅值特征。
可选的，在所述机械振动状态特征包括峰峰值变化趋势特征的情况下，所述获取模块包括：
区间计算单元，用于采集所述水电机组的振动波形数据，根据所述振动波形数据选取峰峰值计算区间；
最值确定单元，用于确定所述峰峰值计算区间内所述振动波形数据的最小值以及最大值，其中，所述最小值对应的置信度和所述最大值对应的置信度位于预设置信度范围内；
峰峰值确定单元，用于将所述最大值与所述最小值的差值，作为峰峰值；
变化趋势特征确定单元，用于根据各个所述峰峰值计算区间的所述峰峰值，确定所述峰峰值变化趋势特征。
本申请提供的水电机组机械振动状态样本提取及构建装置中，通过获取停机降转速动态过程中水电机组的机械振动状态特征；所述机械振动状态特征包括峰峰值变化趋势特征和/或阶次频率幅值特征；根据所述机械振动状态特征建立变化趋势样本；在所述机械振动状态特征包括所述阶次频率幅值特征的情况下，所述获取停机降转速动态过程中水电机组的机械振动状态特征，包括：根据停机降转速动态过程中键相传感应器测得的转速信息，由频率计数器及比例合成器产生与所述转速信息成比例的振动角度域平稳信号；对生成的所述振动角度域平稳信号结合快速傅里叶变换FFT分析以及整周期截断法，确定所述阶次频率幅值特征。从而实现对水电机组实时进行振动状态变化趋势的跟踪评估以及预警，及早发现机组潜在机械故障，消除事故隐患，保障机组运行安全稳定性。
根据本申请的另一方面，提出了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开第一方面实施例所述的方法。
根据本申请的另一方面，提出了一种非临时性计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行本公开第一方面实施例所述的方法。
根据本申请的另一方面，提出了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现本公开第一方面实施例所述的方法。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本申请提供的一种水电机组机械振动状态样本提取及构建方法的流程示意图；
图2为本申请提供的另一种水电机组机械振动状态样本提取及构建方法的流程示意图；
图3为振动波形数据的示意图；
图4为峰峰值计算区间的示意图；
图5为对峰峰值计算区间进行置信度处理的示意图；
图6为本申请提供的另一种水电机组机械振动状态样本提取及构建方法的流程示意图；
图7a为等时间间隔采样的开机升转速动态过程仿真信号波形示意图；
图7b为等时间间隔采样的开机升转速动态过程仿真信号频谱示意图；
图8a为8个旋转周期波形示意图；
图8b为FFT对角度域平稳信号进行阶次谱分析结果示意图；
图9为开机升转速动态过程下导X向整体摆度波形；
图10为开机升转速动态过程稳定性参数峰峰值计算示意图；
图11为摆度峰峰值变化趋势；
图12为开机升转速动态过程中摆度频谱级联图；
图13a为开机升转速动态过程中低频归一化能量占比示意图；
图13b为开机升转速动态过程中1倍频归一化能量占比示意图；
图13c为开机升转速动态过程中2倍频归一化能量占比示意图；
图13d为开机升转速动态过程中3倍频归一化能量占比示意图；
图13e为开机升转速动态过程中8倍频归一化能量占比示意图；
图13f为开机升转速动态过程中13倍频归一化能量占比示意图；
图13g为开机升转速动态过程中24倍频归一化能量占比示意图；
图13h为开机升转速动态过程中高频归一化能量占比示意图；
图14为本申请提供的一种水电机组机械振动状态样本提取及构建装置的结构示意图；
图15为示例性电子设备的框图。
具体实施方式
下面详细描述本申请的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
相关技术中，水电机组在运行过程中经常由于摩擦、部件松动及疲劳等原因发生退化，难以安全稳定运行。目前的水电机组机械振动状态特征分析方法中，采用离线变转速试验的方式，通过观察振动幅值及其随转速变化趋势来判断机械振动状态，进而确定水电机组的状态。
然而离线变转速试验不仅需要特定的试验条件，不具备频繁进行的可行性，并且耗费大量的物力、人力和财力，而且不能实时跟踪水电机组长期运行下的机械振动状态特征变化趋势。
针对上述问题，本申请提出一种水电机组机械振动状态样本提取及构建方法、装置及设备。
图1为根据本申请提供的一种水电机组机械振动状态样本提取及构建方法的示意图。
本申请第一方面实施例提供了一种水电机组机械振动状态样本提取及构建方法的流程示意图，以实现机械振动状态特征的提取和变化趋势样本的建立，如图1所示，该水电机组机械振动状态样本提取及构建方法包括以下步骤：
步骤11，获取开机升转速动态过程或停机降转速动态过程中水电机组的机械振动状态特征；机械振动状态特征包括峰峰值变化趋势特征和/或阶次频率幅值特征。
水电机组从结构上看由不同类型的部件构成，包括固定部件、支撑部件及转动部件，其中任一部件存在问题都可能引发机械方面振动。机械振动频率成分主要为转速频率及其谐波倍频。轴线不正引起的振动对转速不敏感，初始振动较大，而质量不平衡故障引起的振动则会随转速的增大而增大。
在水电机组机械振动表现方面，健康状态下水电机组机械振动参数总是体现相近的特征，各个机械振动频率成分的幅值基本保持不变，当一些机械方面因素发生退化时，相应机械振动频率成分的能量值会有所增加，或在频谱中有新的频率成分产生，机械振动状态的退化，总体上体现在峰峰值变化趋势特征，细节上体现在频率成分能量上的变化，即阶次频率幅值特征的变化。
水电机组机械振动状态特征包含总体幅值特征，和/或，频率细节特征，总体幅值特征体现为峰峰值变化趋势特征，频率细节特征体现为阶次频率幅值特征。
水电机组转速的大小影响其大部分机械振动幅值的大小，当水电机组转速发生变化时，机械振动信号的波形和能量也随之变化。在开机升转速动态过程或停机降转速动态过程中，在水电机组稳定性上可认为主要由机械方面因素起作用。因此基于这两个过程中的任意一个过程进行机械振动状态特征的分析挖掘，可以获得水电机组在不同转速下的机械振动状态特征信息。
机械振动状态特征中峰峰值计算方法主要有：
a)时段区间法，将整个时域波形划分成若干时段区间，计算每个时段区间内最大值与最小值差值，即得到该时段区间振动峰峰值；
b)平均时段法，计算时域波形利用时段区间法计算得到峰峰值的平均值，即为该时域波形的平均峰峰值；
c)置信度法，将时域波形利用置信度(97％或95％)剔除不可信数据后，计算最大值与最小值差值，得到该时域波形峰峰值。
步骤12，根据机械振动状态特征建立变化趋势样本。
具体的，在机械振动状态特征包括峰峰值变化趋势特征和/或阶次频率幅值特征的情况下，可以将机械振动状态特征中的峰峰值变化趋势特征，直接作为变化趋势样本；可以对阶次频率幅值特征进行分析，得到多元特征阶次频率能量占比变化趋势特征；根据多元特征阶次频率能量占比变化趋势特征，建立变化趋势样本。
以开机升转速动态过程为例，获取开机升转速动态过程中水电机组机械振动状态特征。
对于水电机组第i次开机过程下振动稳定性参数Xj(j＝1，2，...，n)，可以在水电机组开机升转速动态过程的t(t＝1，2，...)时刻(不同转速)采集振动波形数据，根据机械振动状态特征的获取方法，提取峰峰值变化趋势特征。
在任一开机升转速动态过程获得的振动稳定性参数Xj中的峰峰值变化趋势特征表示为：
Xj＝[xj1，xj2，…，xjN] (2.1)
其中，N为开机升转速动态过程振动峰峰值点数，其值等于T-7，T为开机升转速动态过程振动波形数据对应水电机组旋转周期数。
任一开机升转速动态过程所有的峰峰值变化趋势特征表示为：
Xi＝{X1，X2，...Xn} (2.2)
其中，i为水电机组第i次开机序号，i＝1，2，...，m。
根据水电机组机械振动状态特征的获取方法，基于开机升转速动态过程的振动角度域平稳信号进行分析，得到阶次频率幅值特征。对提取的V个特征阶次频率幅值特征分析，得到多元特征阶次频率能量占比变化趋势特征；根据多元特征阶次频率能量占比变化趋势特征，建立变化趋势样本
开机升转速动态过程任一转速下振动稳定性参数Xj中的多元特征阶次频率能量占比变化趋势特征表示为：
式中，t＝1，2，...N，为开机升转速动态过程某一时刻转速；j＝1，2...n，为不同振动稳定性参数。
单一振动稳定性参数在开机升转速动态过程的多元特征频率能量占比变化趋势特征向量：
其中，N为开机升转速动态过程样本点数，V为稳定性参数特征变量维度，形成稳定性参数Xj在开机升转速动态过程的样本点空间。
对于n个水电机组振动稳定性参数，水电机组不同部位多个稳定性参数组合，形成具有空间特征的水电机组机械振动状态多元表征矩阵
其中包含N×n×V个水电机组振动特征数据，每个点用
表示。任一开机升转速动态过程包含多元特征阶次频率能量占比变化趋势的机械振动状态样本空间整体结构如2.5式所示：
其中，N为开机升转速动态过程样本点数，V为稳定性参数特征变量维度， i为第i次开机序号，i＝1，2，...，m。
综上，通过获取开机升转速动态过程或停机降转速动态过程中水电机组的机械振动状态特征，根据机械振动状态特征建立变化趋势样本，实现对机械振动状态特征变化趋势实时跟踪评估及预警，及早发现水电机组潜在机械故障，消除事故隐患，保障水电机组安全稳定性。
本申请第二方面实施例所提供的另一种水电机组机械振动状态样本提取方法及构建方法的流程示意图，如图2所示。机械振动状态特征包括峰峰值变化趋势特征。在图1所示实施例的基础上，对开机升转速动态过程或停机降转速动态过程中任意一个过程进行机械振动状态特征所包括的峰峰值变化趋势特征进行分析提取，具体的，步骤11可以包括：
步骤111，采集水电机组的振动波形数据，根据振动波形数据选取峰峰值计算区间。
其中，以开机升转速动态过程为例，采用等间隔连续采样方式获取该过程中水电机组的振动波形数据，振动波形数据的示意图如图3所示。
其中，根据振动波形数据选取峰峰值计算区间，选取波形信号前8个周期数据作为第一个计算区间，第二个计算区间为第一个计算区间沿时间方向右移一个周期，依次类推，峰峰值计算区间如图4所示。
水电机组旋转每周采样256个点，对应采样频率为256*fd(fd为水电机组当前转速频率)。在整个开机升转速动态过程水电机组旋转了128周。对于开机升转速动态过程振动波形数据，若按照时段区间法，以8个周期为一个计算区间，则只可得到16个峰峰值，对峰峰值变化趋势特征描述不够细密。
考虑到水电机组开机升转速动态过程或停机降转速动态过程快速的特点，为更加丰富地提取振动峰峰值变化趋势特征，在相关标准及规程推荐峰峰值算法基础上，提出针对开机升转速动态过程或停机降转速动态过程的“97％置信度区间平移峰峰值”计算方法。
步骤112，确定峰峰值计算区间内振动波形数据的最小值以及最大值，其中，最小值对应的置信度和最大值对应的置信度位于预设置信度范围内。
为防止可能存在的随机与干扰噪声对峰峰值计算结果的影响，对峰峰值计算区间内振动波形数据加97％置信度处理，剔除振动波形最小及最大两头各 1.5％的数据，对峰峰值计算区间进行置信度处理的示意图如图5所示；确定第一个峰峰值计算区间内置信度处理后振动波形数据最大值与最小值，以此类推，得到所有峰峰值计算区间的最大值与最小值。
步骤113，将最大值与最小值的差值，作为峰峰值。
步骤114，根据各个峰峰值计算区间的峰峰值，确定峰峰值变化趋势特征。
基于图3包含的128个周期数据的开机升转速动态过程的振动波形数据，利用“97％置信度区间平移峰峰值”计算方法则可以获得121个峰峰值数据，实现更加丰富地提取峰峰值变化趋势特征。假设开机升转速动态过程采集的数据对应的旋转周期数为T，则利用开机升转速动态过程或停机降转速动态过程的“97％置信度区间平移峰峰值”计算方法能够得到的峰峰值点数为T-7。
在水电机组开机升转速动态过程或停机降转速动态过程中，水电机组处于变转速状态下，若仍采用等时间间隔采样的方式，会出现频谱模糊现象，无法准确地获得机械振动状态特征。
本申请第三方面实施例，提供的另一种水电机组机械振动状态样本提取及构建方法的流程示意图，即机械振动阶次频率幅值特征提取方法，如图6所示。机械振动状态特征包括阶次频率幅值特征。步骤11可以包括：
步骤131，根据开机升转速动态过程或停机降转速动态过程中键相传感应器测得的转速信息，由频率计数器及比例合成器产生与转速信息成比例的振动角度域平稳信号。
具体的，以开机升转速动态过程为例，根据键相传感器测得的转速信息，由频率计数器及比例合成器产生与水电机组转速信息成比例的振动角度域平稳信号，即每个机组旋转周期内获取相同的振动采样点数。
步骤132，对生成的振动角度域平稳信号结合快速傅里叶变换FFT分析以及整周期截断法，确定阶次频率幅值特征。
其中，常用的傅里叶变换方法有离散傅里叶变换(DFT，discrete fouriertransform)以及快速傅里叶变换(FFT，fast fourier transform)。傅里叶变换中假设t为时间，x(t)为连续时间信号，T为信号时长，以若干简谐信号叠加的形式表示周期信号，则有：
其中，A0＝a0为信号直流分量(静态分量)，f0为基波频率，nf0为第n(n＝1，2，3，…)次谐波频率，
为第n次谐波的幅值，φn＝arctan(an/bn)为第n次谐波的初相位。
其中，T＝1/f0为信号基本周期。
由公式2.7至2.10可知信号经过傅里叶变化后是由n个具有不同频率的谐波叠加而成。
根据欧拉公式，复指数形式的傅里叶变换如式2.11所示：
实际情况中采集的离散信号，若在计算机中进行傅里叶变换，需要借助离散傅里叶变换DFT，如式2.12所示，对应离散傅里叶逆变换如式2.13所示，由此实现将长度都为N的时域及频谱采样序列联系起来。
其中，x(kt)为实际采样离散信号值，N为信号采样点数，T为采样间隔，n为频谱离散值序号，k为时域离散值序号。
由于在利用离散傅里叶变换进行计算时，当信号序列长度N增加时，其计算量以N2增加，因此需要消耗大量的时间。为解决该问题，提出快速傅里叶变换，其在原理上与DFT一致，但在计算过程中通过将数据序列分成两个较短的序列分别进行变换，然后合并得到整个序列离散的方式，使得计算时间缩短，从而使傅里叶变换方法在信号频谱分析中得以广泛应用。
在利用FFT进行信号处理中，由于只能输入有限长的数据进行分析，而对于旋转机械，能量泄露可能由时域截断操作产生，得到的幅频谱为按照归一化频率Δf＝fs/N(fs为采样频率)得到的离散谱，而可能存在谱线不在主瓣中心导致信号频率并不完全等于幅频谱中对应谱线的频率值。
因此旋转机械信号处理中，为得到转速频率及其谐波频率成分的幅值特征采样中往往采样整周期截断法来避免频率分析结果的不准确。
利用FFT对获得振动角度域平稳信号进行分析，分析过程中与时间域等间隔采样获得信号不同的是，时间域等间隔整周期采样FFT分析是以等时间间隔对应的频率分辨率为基准，获得幅频谱。而对于等角度采样获得信号利用 FFT进行分析是以等圆周角度对应的水电机组转速频率为基准，获得阶比幅频谱，其中阶次对应振动波动次数与水电机组旋转次数的比值，实现阶次频率幅值特征提取。
转速频率为第一阶次，相应转速下特征阶次频率为：
其中，f0(i)为第i阶频率，n为水电机组转速。
对于振动角度域平稳信号进行傅里叶分析获取其阶次频率幅值特征公式如下：
其中，x(kt)为实际等角度采样离散信号值，X(n/Nθ)为阶次谱上对应谱线幅值，N为信号采样点数，θ为采样角度域间隔，n为频谱离散值序号， k为时域离散值序号。
综上，根据开机升转速动态过程或停机降转速动态过程中键相传感应器测得的转速信息，由频率计数器及比例合成器产生与转速信息成比例的振动角度域平稳信号；对生成的振动角度域平稳信号进行傅里叶变换分析，确定阶次频率幅值特征。避免等时间间隔采样方式出现的频谱模糊现象，利用等角度采样获取振动角度域平稳信号，准确地获得机械振动状态特征。
为了更好地说明上述实施例，现举例进行说明。
以开机升转速动态过程振动仿真信号为例进行示例分析。仿真信号如式 2.16所示，为开机升转速动态过程振动1倍频单分量信号，仿真开机升转速动态过程水电机组转速为与时间成正比的18t，仿真信号频率相应为随时变的0.3t (18t/60)，信号采样时间间隔为1/100s，采样时长为15s。
y(t)＝50sin(0.6πt2)，t＝[0，15] (2.16)
对以等时间间隔采样的开机升转速动态过程仿真信号进行分析，等时间间隔采样的开机升转速动态过程仿真信号波形示意图如图7a所示。从图7a中可以看出由于转速在不断增加，振动信号的频率也随之增加，信号体现出明显的非稳态特征。等时间间隔采样的开机升转速动态过程仿真信号频谱示意图如图 7b所示，利用FFT对等时间间隔采样的开机升转速动态过程仿真信号进行频谱分析，由于FFT假定窗内信号是线性且平稳的，而实际开机升转速动态过程等时间间隔采样得到的是非平稳信号，其对具有很强非平稳特征的信号不可克服的局限性导致频谱模糊现象发生，基频及其各谐波频率分散到了一连串的频谱上。
按照阶次跟踪思想，对信号以跟踪水电机组转速频率的采样频率256*0.3t 进行整周期等角度采样，即每周期等角度采样256个点，获得8个旋转周期波形示意图如图8a所示，利用等角度采样技术将开机升转速动态过程振动信号从时间域非平稳信号转变成角度域的平稳信号，从而使傅里叶分析又得以适用。利用FFT对角度域平稳信号进行阶次谱分析结果示意图如图8b所示，在阶次谱中清晰地获得了升转速过程振动仿真信号成分的频率及幅值特征。
为了更好地说明上述实施例，现举例进行说明。
举例而言，以下导处摆度作为对象进行的一种水电机组机械振动状态特征提取及样本构建；其中，此水电机组下导处摆度(主轴径向振动)为其机械振动的最明显代表。
基于对水电机组开机升转速动态过程或停机降转速动态过程稳定性状态监测获取机械振动状态特征样本，利用97％置信度区间平移峰峰值法提取开机升转速动态过程或停机降转速动态过程的峰峰值变化趋势特征，利用机械振动状态特征频率能量占比提取方法获取振动频率特征，并在此基础上建立水电机组机械振动峰峰值变化趋势样本以及多元特征阶次频率能量占比变化趋势样本。
具体的，以下导X摆度为例展示机械振动状态特征提取及样本构建过程，机械振动状态特征包括机械振动峰峰值变化趋势特征。以开机升转速动态过程为例，根据开机升转速动态过程中下导X向摆度在各个转速下的振动波形数据，连接形成如图9所示开机升转速动态过程下导X向摆度整体波形。该波形显示在开机升转速动态过程中波动幅值有增大的趋势，到达额定转速后峰峰值基本恒定，体现出随着转速的增大机械不稳定性愈加明显的特性。
根据振动波形数据，利用97％置信度区间平移峰峰值计算方法对峰峰值变化趋势特征进行计算提取。升转速动态过程稳定性参数峰峰值计算示意图如图 10所示，首先取出前8个周期波形数据为第一个计算区间(图中黑实线框范围)，对第一个计算区间数据利用97％置信度处理，随后计算其最大值与最小值的差值，得到第一个峰峰值；
将计算区间右移一个周期(图中红虚线框范围)得到第二个计算区间，重复第一个区间峰峰值计算步骤得到第二个峰峰值；
依次类推得到开机升转速动态过程摆度所有峰峰值。水电机组在开机升转速到额定转速时共采集水电机组120个旋转周期数据，最终得到113个峰峰值，摆度峰峰值变化趋势如图11所示。峰峰值随着转速的增加呈现增大的趋势，本实施例开机升转速动态过程峰峰值最大值达到320um，超过电站一级报警阈值312um。
若只基于峰峰值阈值评价水电机组振动，则在每次开机过程中会产生大量报警信号。最终将所得到的峰峰值变化趋势作为一条基于开机升转速动态过程的水电机组机械振动状态峰峰值变化趋势特征样本。
进一步的，另一个实施例以某电站4#水电机组2018年11月份内7次开机为例，展示基于升转速动态过程的信号阶比谱分析方法提取多元特征频率归一能量变化趋势特征，以及建立基于开机升转速动态过程的机械振动多元特征阶次频率能量占比变化趋势样本的实现过程。
当水电机组在机械稳定性状态发生退化时，振动相应频率成分的能量值会有所增加，或在频谱中会有新的频率成分产生，为此需要对水电机组机械振动细节频率幅值进行监测分析，并对相应频率成分幅值变化趋势进行评估，以此在水电机组历次开机运行早期实现对水电机组机械振动状态的细节监测评估。
水电机组监测装置实现了对水电机组开机升转速动态过程或停机降转速动态过程的振动角度域平稳信号的获取，基于下导X向主轴径向摆度在升转速动态过程或停机降转速动态过程状态监测数据，结合阶比分析对在开机升转速动态或停机降转速动态过程的主轴径向摆度频率表现进行分析，提取各个转速下振动频率成分幅值及其变化趋势特征。
通过硬件阶次跟踪及阶次分析结合，实现了对开机升转速动态过程或停机降转速动态过程振动频率成分的分析，克服了开机升转速动态或停机降转速动态下等时间域信号FFT分析的频谱模糊问题。各个转速下摆度信号的主频都为 1倍转速频率，且其幅值有明显随转速增大而增加的趋势。频谱中存在2倍转速频率成分，但幅值较小。频谱表现整体上符合客观规律，无异常频率成分出现，开机升转速动态过程中摆度频谱级联图如图12所示。
基于开机升转速动态过程中摆度频谱级联图分析结果，计算各个转速下振动信号1/4fn～1/3fn(开机过程水力不稳定)，1fn(转子不平衡或角度不对中特征)，2fn(转子裂纹或平行不对中)，3fn(转子碰磨)，8fn(轴瓦数倍频)， 13fn(转轮叶片数倍频)，24fn倍频(导叶叶片数倍频)，＞24fn(卡门涡等高频)特征频率成分(v1～v8)能量，并基于当前转速下信号总能量进行归一化处理，以此获得各个转速下振动信号多元特征频率能量分布细节结构特征。对水电机组11月份7次开机升转速动态过程摆度信号特征频率成分归一化能量占比特征进行提取分析，得到7个多元特征阶次频率能量占比变化趋势样本。开机升转速动态过程中低频归一化能量占比示意图如图13a所示，开机升转速动态过程中1倍频归一化能量占比示意图如图13b所示，从图中可以看出振动信号能量以1倍频能量为主，且其能量占比随转速的增大而增大。在低转速时信号中低频能量占到了4％左右，随着转速的增加其能量占比逐渐减少，额定转速时趋于零。开机升转速动态过程中2倍频归一化能量占比示意图如图13c 所示，开机升转速动态过程中3倍频归一化能量占比示意图如图13d所示，2 倍频及3倍频能量随着转速的增加有增大的趋势，但斜率较小，整个升转速过程2倍频及3倍频能量占比不超过2％。开机升转速动态过程中8倍频归一化能量占比示意图如图13e所示，开机升转速动态过程中13倍频归一化能量占比示意图如图13f所示，在整个开机升转速动态中轴瓦个数的8倍频、转轮叶片个数的13倍频及导叶个数的24倍频能量占比较少，几乎可以忽略，说明没有异常的振动出现。开机升转速动态过程中24倍频归一化能量占比示意图如图13g所示，开机升转速动态过程中高频归一化能量占比示意图如图13h所示，从图中可以看出大于24倍转速频率的高频成分总体能量占比都不超过2％，在整个开机升转速动态过程呈下降趋势，中部转速时有局部峰值。
为了实现上述实施例，本申请还提出一种水电机组机械振动状态样本提取及构建装置。
本申请实施例提供的一种水电机组机械振动状态样本提取及构建装置的结构示意图，如图14所示。
该水电机组机械振动状态样本提取及构建装置20包括：
获取模块21，用于获取开机升转速动态过程或停机降转速动态过程中水电机组机械振动状态特征；
建立模块22，用于根据机械振动状态特征建立变化趋势样本。
可选的，机械振动状态特征包括峰峰值变化趋势特征和/或阶次频率幅值特征。
可选的，在机械振动状态特征包括峰峰值变化趋势特征的情况下，获取模块21包括：
区间计算单元，用于采集水电机组的振动波形数据，根据振动波形数据选取峰峰值计算区间；
最值确定单元，用于确定峰峰值计算区间内振动波形数据的最小值以及最大值，其中，最小值对应的置信度和最大值对应的置信度位于预设置信度范围内；
峰峰值确定单元，用于将最大值与最小值的差值，作为峰峰值；
变化趋势特征确定单元，用于根据各个峰峰值计算区间的峰峰值，确定峰峰值变化趋势特征。
可选的，在机械振动状态特征包括阶次频率幅值特征的情况下，获取模块21包括：
信号产生单元，用于根据开机升转速动态过程或停机降转速动态过程中键相传感应器测得的转速信息，由频率计数器及比例合成器产生与转速信息成比例的振动角度域平稳信号；
阶次频率幅值特征确定单元，用于对生成的振动角度域平稳信号结合快速傅里叶变换FFT分析以及整周期截断法，确定阶次频率幅值特征。
可选的，建立模块22具体用于，将峰峰值变化趋势特征作为变化趋势样本；和/或，
对阶次频率幅值特征进行分析，得到多元特征阶次频率能量占比变化趋势特征；根据多元特征阶次频率能量占比变化趋势特征，建立变化趋势样本。
本申请提供的水电机组机械振动状态样本提取及构建装置中，通过获取开机升转速动态过程或停机降转速动态过程中水电机组的机械振动状态特征；根据机械振动状态特征建立变化趋势样本，从而实现对水电机组实时进行振动状态变化趋势的跟踪评估以及预警，及早发现机组潜在机械故障，消除事故隐患，保障机组运行安全稳定性。
需要说明的是，前述对一种水电机组机械振动状态样本提取及构建方法实施例的解释说明也适用于该实施例的一种水电机组机械振动状态样本提取及构建装置，此处不再赘述。
为了实现上述实施例，本申请还提出一种电子设备、非临时性计算机可读存储介质，计算机程序产品。
图15示出了适于用来实现本申请实施方式的示例性电子设备的框图。图 15显示的电子设备12仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图15所示，电子设备12以通用计算设备的形式表现。电子设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器 28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构 (Industry StandardArchitecture；以下简称：ISA)总线，微通道体系结构(Micro Channel Architecture；以下简称：MAC)总线，增强型ISA总线、视频电子标准协会(Video Electronics StandardsAssociation；以下简称：VESA)局域总线以及外围组件互连(Peripheral ComponentInterconnection；以下简称：PCI)总线。
电子设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(Random Access Memory；以下简称：RAM)30和/或高速缓存存储器32。电子设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图15未显示，通常称为“硬盘驱动器”)。尽管图15 中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如：光盘只读存储器(Compact Disc ReadOnlyMemory；以下简称：CD-ROM)、数字多功能只读光盘(Digital Video DiscRead OnlyMemory；以下简称：DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本申请各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本申请所描述的实施例中的功能和/ 或方法。
电子设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机系统/服务器12 交互的设备通信，和/或与使得该计算机系统/服务器12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，电子设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(Local Area Network；以下简称： LAN)，广域网(Wide Area Network；以下简称：WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与电子设备12的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现前述实施例中提及的方法。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，″计算机可读介质″可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器 (RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序，然后将其存储在计算机存储器中。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (8)
1.一种水电机组机械振动状态样本提取及构建方法，其特征在于，包括：
获取停机降转速动态过程中水电机组的机械振动状态特征；所述机械振动状态特征包括峰峰值变化趋势特征和/或阶次频率幅值特征；
根据所述机械振动状态特征建立变化趋势样本；
在所述机械振动状态特征包括所述阶次频率幅值特征的情况下，所述获取停机降转速动态过程中水电机组的机械振动状态特征，包括：
根据停机降转速动态过程中键相传感应器测得的转速信息，由频率计数器及比例合成器产生与所述转速信息成比例的振动角度域平稳信号；
对生成的所述振动角度域平稳信号结合快速傅里叶变换FFT分析以及整周期截断法，确定所述阶次频率幅值特征。
2.根据权利要求1所述的方法，其特征在于，在所述机械振动状态特征包括所述峰峰值变化趋势特征的情况下，所述获取停机降转速动态过程中水电机组的机械振动状态特征，包括：
采集所述水电机组的振动波形数据，根据所述振动波形数据选取峰峰值计算区间；
确定所述峰峰值计算区间内所述振动波形数据的最小值以及最大值，其中，所述最小值对应的置信度和所述最大值对应的置信度位于预设置信度范围内；
将所述最大值与所述最小值的差值，作为峰峰值；
根据各个所述峰峰值计算区间的所述峰峰值，确定所述峰峰值变化趋势特征。
3.根据权利要求1所述的方法，其特征在于，所述根据所述机械振动状态特征建立变化趋势样本，包括：
将所述峰峰值变化趋势特征作为所述变化趋势样本；
和/或，
对所述阶次频率幅值特征进行分析，得到多元特征阶次频率能量占比变化趋势特征；根据所述多元特征阶次频率能量占比变化趋势特征，建立所述变化趋势样本。
4.一种水电机组机械振动状态样本提取及构建装置，其特征在于，包括：
获取模块，用于获取停机降转速动态过程中水电机组机械振动状态特征；所述机械振动状态特征包括峰峰值变化趋势特征和/或阶次频率幅值特征；
建立模块，用于根据机械振动状态特征建立变化趋势样本；
在所述机械振动状态特征包括所述阶次频率幅值特征的情况下，所述获取模块包括：
信号产生单元，用于根据停机降转速动态过程中键相传感应器测得的转速信息，由频率计数器及比例合成器产生与所述转速信息成比例的振动角度域平稳信号；
阶次频率幅值特征确定单元，用于对生成的所述振动角度域平稳信号结合快速傅里叶变换FFT分析以及整周期截断法，确定所述阶次频率幅值特征。
5.根据权利要求4所述的装置，其特征在于，在所述机械振动状态特征包括峰峰值变化趋势特征的情况下，所述获取模块包括：
区间计算单元，用于采集所述水电机组的振动波形数据，根据所述振动波形数据选取峰峰值计算区间；
最值确定单元，用于确定所述峰峰值计算区间内所述振动波形数据的最小值以及最大值，其中，所述最小值对应的置信度和所述最大值对应的置信度位于预设置信度范围内；
峰峰值确定单元，用于将所述最大值与所述最小值的差值，作为峰峰值；
变化趋势特征确定单元，用于根据各个所述峰峰值计算区间的所述峰峰值，确定所述峰峰值变化趋势特征。
6.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-3中任一项所述的方法。
7.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-3中任一项所述的方法。
8.一种计算机程序产品，其特征在于，当所述计算机程序产品中的指令由处理器执行时，执行如权利要求1-3中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110867018.1A CN113803201B (zh) | 2021-07-29 | 2021-07-29 | 水电机组机械振动状态样本提取及构建方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110867018.1A CN113803201B (zh) | 2021-07-29 | 2021-07-29 | 水电机组机械振动状态样本提取及构建方法、装置及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113803201A true CN113803201A (zh) | 2021-12-17 |
| CN113803201B CN113803201B (zh) | 2024-04-09 |
Family
ID=78942645
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110867018.1A Active CN113803201B (zh) | 2021-07-29 | 2021-07-29 | 水电机组机械振动状态样本提取及构建方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113803201B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115683687A (zh) * | 2023-01-03 | 2023-02-03 | 成都大汇物联科技有限公司 | 一种水电机械设备动静碰磨故障诊断方法 |
| CN116929753A (zh) * | 2023-09-18 | 2023-10-24 | 杭州景业智能科技股份有限公司 | 传动齿轮状态检测方法、装置、计算机设备以及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104034412A (zh) * | 2014-06-24 | 2014-09-10 | 西安交通大学 | 一种基于分数阶全息原理的旋转机械故障特征提取方法 |
| CN111486043A (zh) * | 2020-04-24 | 2020-08-04 | 华能四川水电有限公司 | 一种基于水轮发电机组振摆数据的下机架故障诊断方法 |
| CN112417622A (zh) * | 2020-12-04 | 2021-02-26 | 五凌电力有限公司 | 机组机械振动的评估方法、系统、计算机设备和存储介质 |
| CN112539827A (zh) * | 2020-12-04 | 2021-03-23 | 五凌电力有限公司 | 基于频率能量占比的机组机械振动评估方法和系统 |
-
2021
- 2021-07-29 CN CN202110867018.1A patent/CN113803201B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104034412A (zh) * | 2014-06-24 | 2014-09-10 | 西安交通大学 | 一种基于分数阶全息原理的旋转机械故障特征提取方法 |
| CN111486043A (zh) * | 2020-04-24 | 2020-08-04 | 华能四川水电有限公司 | 一种基于水轮发电机组振摆数据的下机架故障诊断方法 |
| CN112417622A (zh) * | 2020-12-04 | 2021-02-26 | 五凌电力有限公司 | 机组机械振动的评估方法、系统、计算机设备和存储介质 |
| CN112539827A (zh) * | 2020-12-04 | 2021-03-23 | 五凌电力有限公司 | 基于频率能量占比的机组机械振动评估方法和系统 |
Non-Patent Citations (1)
| Title |
|---|
| 许昌等: "《风电场工程后评估与风电机组状态评估》", 中国水利水电出版社, pages: 98 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115683687A (zh) * | 2023-01-03 | 2023-02-03 | 成都大汇物联科技有限公司 | 一种水电机械设备动静碰磨故障诊断方法 |
| CN115683687B (zh) * | 2023-01-03 | 2023-04-18 | 成都大汇物联科技有限公司 | 一种水电机械设备动静碰磨故障诊断方法 |
| CN116929753A (zh) * | 2023-09-18 | 2023-10-24 | 杭州景业智能科技股份有限公司 | 传动齿轮状态检测方法、装置、计算机设备以及存储介质 |
| CN116929753B (zh) * | 2023-09-18 | 2024-01-09 | 杭州景业智能科技股份有限公司 | 传动齿轮状态检测方法、装置、计算机设备以及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113803201B (zh) | 2024-04-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Botero et al. | Non-intrusive detection of rotating stall in pump-turbines | |
| Ibrahim et al. | An effective approach for rotor electrical asymmetry detection in wind turbine DFIGs | |
| Kong et al. | Meshing frequency modulation assisted empirical wavelet transform for fault diagnosis of wind turbine planetary ring gear | |
| EP2743670B1 (en) | Fault detection system and associated method | |
| Zhao et al. | Fault diagnosis of wind turbine bearing based on variational mode decomposition and Teager energy operator | |
| US9541606B2 (en) | Fault detection system and associated method | |
| Rodriguez et al. | Frequencies in the vibration induced by the rotor stator interaction in a centrifugal pump turbine | |
| Artigao et al. | Current signature analysis to monitor DFIG wind turbine generators: A case study | |
| Chen et al. | Bearing corrosion failure diagnosis of doubly fed induction generator in wind turbines based on stator current analysis | |
| CN113803201A (zh) | 水电机组机械振动状态样本提取及构建方法、装置及设备 | |
| Alwodai et al. | A comparison of different techniques for induction motor rotor fault diagnosis | |
| Samanta et al. | Fast and accurate spectral estimation for online detection of partial broken bar in induction motors | |
| Bianchini et al. | Experimental analysis of the pressure field inside a vaneless diffuser from rotating stall inception to surge | |
| Pennacchi et al. | A cyclostationary multi-domain analysis of fluid instability in Kaplan turbines | |
| Kechida et al. | Approach signal for rotor fault detection in induction motors | |
| Bessous et al. | New vision about the overlap frequencies in the MCSA-FFT technique to diagnose the eccentricity fault in the induction motors | |
| JPH0141928B2 (zh) | ||
| CN116558840B (zh) | 一种航空发动机叶片监测方法、装置、设备、存储介质 | |
| Dejene Toge et al. | Experimental investigation of stall inception mechanisms of low speed contra rotating axial flow fan stage | |
| Garg et al. | Current signature analysis and its application in the condition monitoring of wind turbine for rotor faults | |
| Khelfi et al. | Temporal envelope detection by the square root of the three-phase currents for IM rotor fault diagnosis | |
| CN113009335A (zh) | 抽水蓄能机组的状态检测方法及装置 | |
| Fiquet et al. | Acoustic resonance in an axial multistage compressor leading to non-synchronous blade vibration | |
| Zhang et al. | Research on the identification of asynchronous vibration parameters of rotating blades based on blade tip timing vibration measurement theory | |
| Boltežar et al. | Fault detection in DC electro motors using the continuous wavelet transform |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |