CN114934868A - 无线传输融合ae和emd的水轮发电机组空化检测方法 - Google Patents
无线传输融合ae和emd的水轮发电机组空化检测方法 Download PDFInfo
- Publication number
- CN114934868A CN114934868A CN202210630059.3A CN202210630059A CN114934868A CN 114934868 A CN114934868 A CN 114934868A CN 202210630059 A CN202210630059 A CN 202210630059A CN 114934868 A CN114934868 A CN 114934868A
- Authority
- CN
- China
- Prior art keywords
- cavitation
- water turbine
- characteristic
- signals
- scale
- 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
- 230000005540 biological transmission Effects 0.000 title claims abstract description 14
- 238000001514 detection method Methods 0.000 title claims abstract description 12
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 50
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000004458 analytical method Methods 0.000 claims abstract description 23
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 9
- 238000005516 engineering process Methods 0.000 claims abstract description 7
- 238000004891 communication Methods 0.000 claims abstract description 5
- 238000005259 measurement Methods 0.000 abstract description 3
- 238000012360 testing method Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000010349 pulsation Effects 0.000 description 2
- 241000233948 Typha Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000012443 analytical study Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000033772 system development Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000010977 unit operation Methods 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
-
- 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)
- Hydraulic Turbines (AREA)
Abstract
本发明涉及一种无线传输融合AE和EMD的水轮发电机组空化检测方法,该方法包括以下步骤:⑴将声发射传感器安装在靠近叶片的水轮机主轴上,采集来自水轮发电机组空化区域的信号,并通过无线通讯传输技术将信号传输至分析系统;⑵对所采集的信号进行EMD分解,得到各个特征尺度下的分量信号;⑶按照指标能量理论,选择不同特征时间尺度下的指标能量建立多尺度特征熵值,作为空化信号的故障特征向量;⑷建立熵值参数的标准曲线和关系方程;⑸选择任意一水电站,采集其多尺度特征熵值,按照步骤⑷中的关系方程确定水轮机的出力点,并根据该出力点确定是否发生空化以及空化的强弱程度。本发明有效解决了测量中的信号衰减问题,使得判定结果更准确。
Description
技术领域
本发明涉及水轮发电机组空化检测领域,尤其涉及无线传输融合AE(声发射)和EMD(经验模态分解)的水轮发电机组空化检测方法。
背景技术
水轮机空化检测系统由信号采集和特征分析两部分组成,因此,采集系统模型和特征分析算法直接影响整个空化检测系统的性能。目前,水电机组广泛采用安装在水轮机导轴承上的加速度传感器及尾水管等处的噪声信号传感器和超声波传感器采集空化信号。而信号分析则由Gabor于1946年提出、后经Anen、Rabiner等人改进形成的短时傅里叶变换方法,该方法一直被沿用至今。
噪声法特别容易受水轮机运行时复杂背景噪声干扰,给后续的信号处理和信号特征值提取带来了极大的困难;振动监测中的加速度传感器因频率范围与其灵敏度相互矛盾,往往限制了其在高频段测试的应用;超声波法虽然能较为准确地反映初生空化的形成,但会受到传播介质的制约。
短时傅里叶变换通过对信号的分段截取来处理时变信号,是基于对所截取的每一段信号认为是线性、平稳的。所以严格地说,短时傅里叶变换是一种平稳信号分析法,只适用于对缓变信号的分析。
目前,对于信号分析则多引入了小波算法。清华大学的王佳俊、潘罗平、曹树良通过小波变换的模极大值来描述空化噪声信号的奇异性;华中科技大学的史会轩用小波包频带分析技术进行了水轮机空化特征的提取;清华大学的张俊华、吴玉林、施克仁、张伟、蒲中奇运用小波奇异理论分析对水轮机空化进行了研究;清华大学的卢文秀、褚福磊运用小波分析、相关分析等技术和方法,对水轮机组的空蚀空化、裂纹和碰摩状态进行了分析研究。虽然小波分析取得了一定的成效,但也存在缺憾:首先,小波变换的本质是线性的;其次,参数选择敏感,基小波的选择要依赖信号的先验信息;再次,小波分析是非自适应的,一旦基本小波函数选定,那么分析所有的数据都必须用此小波函数,从而使某些特征因应用小波分解而失去了其本身的物理意义;最后,小波变换本质上是窗口可调的傅立叶变换,其小波窗内的信号则视为平稳状态,因而没有摆脱傅立叶变换的局限,基小波的有限长会造成信号能量的泄露,使信号能量一时间一频率分布很难定量给出。
因此,传统的基于间接采集和稳定、线性模型的水轮机空化检测系统对实际机组运行只具有一定的指导性,并不能及时、准确判断水轮机的空化。近年来被广泛应用于检测工程的声发射模型使信号的传播不受传播介质影响,可以解决测量中的信号衰减问题,但如何将其用于克服水轮机传统测试空化时外部条件的干扰尚无文献报道。
发明内容
本发明所要解决的技术问题是提供一种及时、准确的无线传输融合AE和EMD的水轮发电机组空化检测方法。
为解决上述问题,本发明所述的无线传输融合AE和EMD的水轮发电机组空化检测方法,包括以下步骤:
⑴将声发射传感器安装在靠近叶片的水轮机主轴上,该声发射传感器采集来自水轮发电机组空化区域的信号,并通过无线通讯传输技术将信号传输至分析系统;
⑵利用MATLAB软件对所采集的信号进行EMD分解,得到各个特征尺度下的分量信号,且每个分量信号均包含水轮机轴空化信号的频率特征;
⑶按照指标能量理论,选择不同特征时间尺度下的指标能量建立多尺度特征熵值,作为空化信号的故障特征向量;
⑷以水轮机出力为横坐标、多尺度特征熵值为纵坐标,建立熵值参数的标准曲线,并根据该标准曲线采用最小二乘法建立水轮机出力与多尺度特征熵值的关系方程;
⑸选择任意一水电站,采集其多尺度特征熵值,按照所述步骤⑷中的关系方程确定水轮机的出力点,并根据该出力点确定是否发生空化以及空化的强弱程度。
本发明与现有技术相比具有以下优点:
1、本发明中声发射传感器安装在靠近叶片的水轮机主轴上,应用无线通讯进行信号传输,可以更有效地达到监测目的。
2、由于经验模态分解(EMD)方法的实质是通过特征时间尺度来识别信号中所内含的所有振动模态( Intrinsic Oscillatory Mode)。在这一过程中,特征时间尺度及IMF的定义都具有一定的经验性和近似性。与其他信号处理方法相比,EMD方法具有直观、间接、后验、自适应的特点,其分解所用的特征时间尺度是源自于原始信号,因此,本发明有效解决了测量中的信号衰减问题,使得判定结果更准确。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的说明。
图1为本发明实施例中熵值参数曲线图。
图2为本发明实施例中三个典型工况下的原始数据。其中:a为80%水轮机出力;b为30%水轮机出力;c为50%水轮机出力。
图3为本发明实施例中三个典型工况下的小波分析结果。其中:a为80%水轮机出力;b为30%水轮机出力;c为50%水轮机出力。
图4为本发明实施例中三个典型工况下的EMD分析结果。其中:a为80%水轮机出力;b为30%水轮机出力;c为50%水轮机出力。
具体实施方式
无线传输融合AE和EMD的水轮发电机组空化检测方法,包括以下步骤:
⑴将声发射传感器安装在靠近叶片的水轮机主轴上,该声发射传感器采集来自水轮发电机组空化区域的信号,并通过无线通讯传输技术(比如蓝牙)将信号传输至分析系统。
⑵利用MATLAB软件对所采集的信号进行EMD分解,得到各个特征尺度下的分量信号,且每个分量信号均包含水轮机轴空化信号的频率特征;特征尺度为EMD的特征时间尺度。
⑶按照指标能量理论,选择不同特征时间尺度下的指标能量建立多尺度特征熵值,作为空化信号的故障特征向量。
⑷以水轮机出力为横坐标、多尺度特征熵值为纵坐标,建立熵值参数的标准曲线,并根据该标准曲线采用最小二乘法建立水轮机出力与多尺度特征熵值的关系方程。
⑸选择任意一水电站,采集其多尺度特征熵值,按照步骤⑷中的关系方程确定水轮机的出力点,并根据该出力点确定是否发生空化以及空化的强弱程度。
实施例
采用EMD和指标能量相结合的特征提取方法,并根据空化现场测试经验,在正常工作水头下,选取河口水电站1号水轮机3个不同出力工况,即240MW,90MW和150MW下的水轮机主轴空化信号进行分析,其特征熵值如表1所示。
表1 不同出力空化信号特征熵值
从表1中的数据可知,当水轮机出现空化时,特征熵值呈现明显变化,并且空化越严重,其值变化越明显。这是因为随着空化的发展变化,流场流态急剧变化,破坏了运行时振动能量分布原有的均匀性,故障发生的可能性增加,熵值相应发生变化。由此可见,以EMD多尺度特征熵作为水轮机空化信号的特征向量是可行有效的。
根据表1中出力和对应的特征熵值,利用三次样条插值方法可得到熵值参数的曲线,如图1。曲线中的各节点,从左至右分别代表有空化、空化严重和无空化3种状态。
采用最小二乘法建立出力与多尺度特征熵值的关系方程,得到下式:
A=-0.0001P 2+0.0279P-0.8679
式中:P为水轮机出力,单位为MW;A为空化信号的多尺度特征熵值,无量纲。
由于水轮机空化信号的频率及幅值随水头及出力的变化而变化,因此在定水头条件下,可根据水轮机不同出力来反推尾水管压力脉动信号的特征向量,这对水轮机空化监测和故障诊断的意义是不言而喻的。
因此,基于无线传输融合AE和EMD的指标能量提取所得的多尺度特征熵可以作为智能故障诊断网络的输入向量,可进行空化的模式识别。
电场具体应用效果:
利用无线传输技术法在水轮机主轴上安装声发射传感器采集来自水机空化区域的信号,在原型机试验过程中,选取了一河口机组的最优工况和偏离最优工况1.02MW、2.04MW负荷区进行三组信号采集实验分析,图2~4为该两个工况下的原始数据和分析结果,实测信号的采样频率为2.5MHz,数据长度为2500。
利用MATLAB软件对原始水轮机主轴采集信号进行EMD分解,得到各个特征尺度下的分量信号,每个分量信号都包含了水轮机轴空化信号的频率特征。从电站三组数据的分析结果可以看出,在机组的最优工况下水轮机没有明显的高频信号,说明机组在这种工况下空化不容易发生;机组出力在额定负荷的20~30%高频信号明显增多,说明此时的机组已经有了空化的发生;机组出力在额定负荷的50~60%高频信号出现的同时在低频段出现了幅值比较大的信号特征量,说明机组在偏离最优工况一定负荷区运行时,除了空化以外还会在尾水管产生涡带,引起机组振动从而产生低频脉动。
通过采集不同电站各个负荷段的信号,并采用FFT进行信号分析,发现FFT是一种全局性的变换,只能获得信号的频谱,适合平稳的线性信号,不适于分析具有多尺度和突变特性的振动信号。小波变换本质上是窗口可调的傅立叶变换,其小波窗内的信号则视为平稳状态,因而没有摆脱傅立叶变换的局限,基小波的有限长会造成信号能量的泄露,使信号能量一时间一频率分布很难定量给出。而EMD基于信号的局部特征时间尺度,自适应地将信号分解为若干个IMF分量之和,使得瞬时频率具有了实际的物理意义,非常适合于处理非线性非平稳的信号。将EMD信号分析理论和方法作为系统开发的核心,替代了传统的分析工具FFT和小波,其分析效果极佳。因此,本发明摆脱了以往信号采集间接化和非稳定、非线性的束缚,是一种对水轮机空化特征信号现场分析的有效途径。
Claims (1)
1.无线传输融合AE和EMD的水轮发电机组空化检测方法,包括以下步骤:
⑴将声发射传感器安装在靠近叶片的水轮机主轴上,该声发射传感器采集来自水轮发电机组空化区域的信号,并通过无线通讯传输技术将信号传输至分析系统;
⑵利用MATLAB软件对所采集的信号进行EMD分解,得到各个特征尺度下的分量信号,且每个分量信号均包含水轮机轴空化信号的频率特征;
⑶按照指标能量理论,选择不同特征时间尺度下的指标能量建立多尺度特征熵值,作为空化信号的故障特征向量;
⑷以水轮机出力为横坐标、多尺度特征熵值为纵坐标,建立熵值参数的标准曲线,并根据该标准曲线采用最小二乘法建立水轮机出力与多尺度特征熵值的关系方程;
⑸选择任意一水电站,采集其多尺度特征熵值,按照所述步骤⑷中的关系方程确定水轮机的出力点,并根据该出力点确定是否发生空化以及空化的强弱程度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210630059.3A CN114934868B (zh) | 2022-06-06 | 2022-06-06 | 无线传输融合ae和emd的水轮发电机组空化检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210630059.3A CN114934868B (zh) | 2022-06-06 | 2022-06-06 | 无线传输融合ae和emd的水轮发电机组空化检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114934868A true CN114934868A (zh) | 2022-08-23 |
CN114934868B CN114934868B (zh) | 2024-03-01 |
Family
ID=82865623
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210630059.3A Active CN114934868B (zh) | 2022-06-06 | 2022-06-06 | 无线传输融合ae和emd的水轮发电机组空化检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114934868B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003097410A (ja) * | 2001-09-21 | 2003-04-03 | Tokyo Electric Power Co Inc:The | 水力発電機器のキャビテーション診断装置 |
CN109472288A (zh) * | 2018-10-08 | 2019-03-15 | 华中科技大学 | 一种抽水蓄能机组振动混合特征提取与分类方法 |
CN110987494A (zh) * | 2019-12-02 | 2020-04-10 | 吉林松江河水力发电有限责任公司 | 一种基于声发射对水轮机空化状态监测的方法 |
-
2022
- 2022-06-06 CN CN202210630059.3A patent/CN114934868B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003097410A (ja) * | 2001-09-21 | 2003-04-03 | Tokyo Electric Power Co Inc:The | 水力発電機器のキャビテーション診断装置 |
CN109472288A (zh) * | 2018-10-08 | 2019-03-15 | 华中科技大学 | 一种抽水蓄能机组振动混合特征提取与分类方法 |
CN110987494A (zh) * | 2019-12-02 | 2020-04-10 | 吉林松江河水力发电有限责任公司 | 一种基于声发射对水轮机空化状态监测的方法 |
Non-Patent Citations (2)
Title |
---|
宋嘉城: "基于EMD 的水轮机空化声发射信号处理方法", 中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑, pages 8 - 38 * |
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, vol. 27, no. 3, pages 210 - 214 * |
Also Published As
Publication number | Publication date |
---|---|
CN114934868B (zh) | 2024-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108168891B (zh) | 滚动轴承微弱故障信号特征的提取方法及设备 | |
CN101813568B (zh) | 一种确定空化初生的判定方法 | |
Yao et al. | Fault diagnosis of planetary gearbox based on acoustic signals | |
CN102226740A (zh) | 基于外加周期信号控制随机共振的轴承故障检测方法 | |
Yan et al. | A feature selection framework-based multiscale morphological analysis algorithm for fault diagnosis of rolling element bearing | |
CN102539539B (zh) | 基于声发射的空蚀检测方法 | |
CN110596247B (zh) | 一种温度变化环境下的超声结构健康监测方法 | |
CN103217248A (zh) | 一种桥梁钢索拉力的检测方法 | |
Zhang et al. | An effective chatter detection method in milling process using morphological empirical wavelet transform | |
Wu et al. | A carrier wave extraction method for cavitation characterization based on time synchronous average and time-frequency analysis | |
CN103776903A (zh) | 一种风电叶片脱层检测方法及检测系统 | |
CN112362348A (zh) | 一种带式输送机托辊轴承故障声学监测方法 | |
CN103203670B (zh) | 基于最大信息熵与方向散度的磨削颤振预测方法 | |
CN111486043A (zh) | 一种基于水轮发电机组振摆数据的下机架故障诊断方法 | |
Feng et al. | Experimental investigation on characteristics of cavitation-induced vibration on the runner of a bulb turbine | |
CN103630604B (zh) | 离心式压缩机半开式叶轮裂纹故障识别方法 | |
CN117606577A (zh) | 一种再生水和自来水切换流量实时监测方法及系统 | |
Pan et al. | A novel roller bearing condition monitoring method based on RHLCD and FVPMCD | |
CN114934868A (zh) | 无线传输融合ae和emd的水轮发电机组空化检测方法 | |
Chen et al. | Gearbox fault diagnosis based on VMD and acoustic emission technology | |
CN111735593A (zh) | 一种水轮机模型机振动频率跟踪测试分析方法 | |
Ren et al. | Research on fault feature extraction of hydropower units based on adaptive stochastic resonance and fourier decomposition method | |
CN110285332B (zh) | 一种基于声学脉冲压缩的天然气管道安全监测方法 | |
CN115754010A (zh) | 机械密封环密封端面质量控制方法 | |
Zhang et al. | Intelligent leak level recognition of gas pipeline valve using wavelet packet energy and support vector machine model |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230613 Address after: 402160 no.801, east section of Changzhou Avenue, Yongchuan District, Chongqing Applicant after: Chongqing Water Resources and Electric Engineering College Address before: Gong Ping Road Qilihe District Gansu city of Lanzhou Province, No. 1 730050 Applicant before: LANZHOU INSTITUTE OF TECHNOLOGY |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |