李俊嶺

(中國南方電網(wǎng)調(diào)峰調(diào)頻發(fā)電公司天生橋水力發(fā)電總廠，貴州 興義 562400)

基于EMD的水輪機(jī)故障識(shí)別

李俊嶺

(中國南方電網(wǎng)調(diào)峰調(diào)頻發(fā)電公司天生橋水力發(fā)電總廠，貴州 興義 562400)

利用EMD方法可依據(jù)信號(hào)本身固有特性進(jìn)行分解的特征，對(duì)水力發(fā)電機(jī)組振動(dòng)測試信號(hào)進(jìn)行分析，并與傅里葉變換等方法進(jìn)行比較。研究表明：基于EMD方法可以得到機(jī)組振動(dòng)信號(hào)的IMF分量，能量占據(jù)主導(dǎo)地位的IMF分量與機(jī)組運(yùn)行狀態(tài)密切相關(guān)，該IMF分量直接由故障源誘發(fā)，因而采用EMD方法能夠準(zhǔn)確地捕捉到機(jī)組振動(dòng)信號(hào)中所蘊(yùn)含的真實(shí)物理意義，準(zhǔn)確識(shí)別機(jī)組運(yùn)行狀態(tài)。

水輪機(jī)；經(jīng)驗(yàn)?zāi)B(tài)分解；故障識(shí)別；HHT

0 引 言

水電機(jī)組故障類型，往往與其振動(dòng)信號(hào)密切相連，通過對(duì)振動(dòng)信號(hào)進(jìn)行分析可以有效的識(shí)別水輪機(jī)故障類型，但是由于實(shí)測振動(dòng)信號(hào)往往具有非線性、非平穩(wěn)特征，信號(hào)的頻率呈現(xiàn)時(shí)變特點(diǎn)，而傳統(tǒng)的水輪機(jī)振動(dòng)識(shí)別方法，比如傅里葉變換及其改進(jìn)型、小波分析及小波包分析等方法[1]，或者無法同時(shí)進(jìn)行頻域和時(shí)域分析，或者時(shí)頻分析效果不佳，難以正確的提取水輪機(jī)振動(dòng)信號(hào)特征向量，直接影響到水輪機(jī)故障模式識(shí)別的準(zhǔn)確度。為此，文中基于經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)方法，對(duì)水輪機(jī)實(shí)測振動(dòng)信號(hào)進(jìn)行分析，探索有效解決水輪機(jī)振動(dòng)特征提取乃至故障模式識(shí)別的方法，這對(duì)于提高水電機(jī)組經(jīng)濟(jì)、安全運(yùn)行有著重要的使用價(jià)值和學(xué)術(shù)價(jià)值。

1 EMD方法基本原理

1998年，美國人NordenE.Huang認(rèn)為信號(hào)中蘊(yùn)含著一系列固有特性，可以通過經(jīng)驗(yàn)?zāi)Ｊ椒纸?EMD)將信號(hào)分解成一系列固有模式函數(shù)(IMF)的組合，然后在對(duì)每一個(gè)IMF分量求取其瞬時(shí)頻率和瞬時(shí)幅值，最終獲得信號(hào)的Hilbert頻譜，進(jìn)而可以完成對(duì)信號(hào)特征的提取和識(shí)別。由于EMD分解完全取決于根據(jù)信號(hào)本身數(shù)據(jù)特征，是一種自適應(yīng)的分解過程，完全不需要考慮信號(hào)的先驗(yàn)知識(shí)，在具有較高頻域分辨率的同時(shí)，也保證了時(shí)域分辨率，克服了傅里葉變換等方法的不足，該方法一經(jīng)提出就引起廣大科技工作者的關(guān)注，被廣泛地應(yīng)用于科學(xué)界和工程界相關(guān)領(lǐng)域內(nèi)[2-3]。

EMD方法是通過數(shù)據(jù)的向量特征與時(shí)間維度來獲得相對(duì)成型的函數(shù)，再通過得到函數(shù)去處理數(shù)據(jù)。用這個(gè)方法分析先是需找依次交替出現(xiàn)的極大、極小值點(diǎn)及零點(diǎn)值，并記錄其相應(yīng)的時(shí)間間隔(即特征尺度)。由于局部極值及零點(diǎn)值總是呈現(xiàn)交替的特性，提取一組波動(dòng)之后，信號(hào)剩余部分仍呈現(xiàn)波動(dòng)狀態(tài)，按照信號(hào)特征尺度逐步提取這些波動(dòng)數(shù)組，就達(dá)到了EMD分解的目的。信號(hào)EMD分解的過程如下：

(1)

令h=s(t)-m

(2)

如果h符合IMF條件，則h可以作為一個(gè)IMF，記為C1。但是，由于難以準(zhǔn)確構(gòu)建信號(hào)理論上的上、下包絡(luò)線函數(shù)，而在采用插值方法近似時(shí)，任何細(xì)小的拐點(diǎn)都可能使得信號(hào)提取過程中轉(zhuǎn)換成新的極值點(diǎn)，而這些人為產(chǎn)生的極值點(diǎn)仍然具有與前一次提取過程相同的特征尺度，這就造成初次提取獲得的h不滿足IMF條件。這種情況下，應(yīng)對(duì)h再次提取，通過反復(fù)的提取，最終使得h滿足IMF條件[4-5]。對(duì)于這種反復(fù)提取的現(xiàn)象，Huang提出了仿柯西收斂準(zhǔn)則，即定義兩次提取出的h1(k-1)(t)和h1k(t)的標(biāo)準(zhǔn)差SD為：

(3)

式中：T為信號(hào)的時(shí)間序列長度，當(dāng)SD的值小于某一設(shè)定值ε時(shí)，篩選即停止。

令

R1=s(t)-C1

(4)

2 基于EMD的水輪機(jī)振動(dòng)信號(hào)模態(tài)分解

某水電機(jī)組額定出力10MW，額定轉(zhuǎn)速=5rad/s，設(shè)計(jì)水頭51.2m，針對(duì)該實(shí)測信號(hào)，采用EMD方法進(jìn)行分解，結(jié)果如圖1所示。圖1表明，實(shí)測信號(hào)做EMD分解一共可以分為10層IMF，其各層的振動(dòng)頻率有明顯差異，其中，第3層和第4層IMF分量的頻率基本集中在主頻附近，歸一化能量為0.76，占據(jù)主要地位，可視此IMF分量為實(shí)測信號(hào)的特征值，代表了實(shí)測信號(hào)的內(nèi)在物理意義，參考水輪機(jī)經(jīng)典故障集，可分析此時(shí)水輪機(jī)處于轉(zhuǎn)子不平衡故障中。

圖1 實(shí)測信號(hào)EMD分解結(jié)果

若將第3層和第4層IMF分量組合獲取無干擾振動(dòng)信號(hào)，并對(duì)其進(jìn)行HHT變換提取信號(hào)特征，其結(jié)果如圖2(a)所示，若直接對(duì)原始測試信號(hào)進(jìn)行HHT變換提取信號(hào)特征， 其結(jié)果如圖2(b)所示。圖2表明，EMD分解后信號(hào)的振動(dòng)頻率集中在轉(zhuǎn)頻附近，而且隨著時(shí)間的推移，轉(zhuǎn)頻附近的振動(dòng)強(qiáng)度并沒有較大的變換；但是在原始信號(hào)的時(shí)頻分析中，主要振源雖然不僅出現(xiàn)轉(zhuǎn)頻附近，在二倍頻和1/2倍頻等附近也出現(xiàn)了，同時(shí)信號(hào)振動(dòng)強(qiáng)度隨著時(shí)間的推移有明顯的變化，因此在時(shí)頻圖中存在著頻率分散現(xiàn)象。顯然，由于實(shí)測信號(hào)在測量過程中受到大量干擾因素影響，即便是采用相對(duì)較好的HHT信號(hào)處理方法也難以有效的提取振動(dòng)特征，這將直接影響到水輪機(jī)故障識(shí)別的可靠性。

圖2 EMD分解信號(hào)與原始信號(hào)對(duì)比圖

在此基礎(chǔ)上,對(duì)該水電機(jī)組不同運(yùn)行時(shí)期振動(dòng)實(shí)測信號(hào)取100組進(jìn)行EMD故障識(shí)別，以歸一化值高于0.1的IMF分層作為有效信號(hào)進(jìn)行信號(hào)重構(gòu)，進(jìn)而開展HHT信號(hào)特征提取，其結(jié)果見表1，信號(hào)有效識(shí)別率達(dá)到100%，信號(hào)識(shí)別成功率遠(yuǎn)高于其他方法。

表1 不同方法水輪機(jī)故障識(shí)別成功率比較

3 結(jié)束語

文中利用EMD方法可依據(jù)信號(hào)本身固有特性進(jìn)行分解的特征，對(duì)機(jī)組振動(dòng)測試信號(hào)進(jìn)行分析，得到機(jī)組振動(dòng)信號(hào)的IMF分量，進(jìn)而分析出其相應(yīng)的物理意義，即在機(jī)組低速運(yùn)轉(zhuǎn)的振動(dòng)信號(hào)中，高頻IMF分量往往對(duì)應(yīng)與噪聲干擾，低頻IMF分量則對(duì)應(yīng)于機(jī)組運(yùn)行中存在的趨勢項(xiàng)，其他頻率則與機(jī)組運(yùn)行機(jī)理相對(duì)應(yīng)。采用EMD方法能夠準(zhǔn)確的捕捉到機(jī)組振動(dòng)信號(hào)中所蘊(yùn)含的真實(shí)物理意義，準(zhǔn)確識(shí)別機(jī)組運(yùn)行狀態(tài)，這不僅為機(jī)組振動(dòng)信號(hào)分析提供了新方法，也為下一步進(jìn)行振動(dòng)信號(hào)故障診斷奠定了基礎(chǔ)。

[1] 韓 捷,張瑞林．旋轉(zhuǎn)機(jī)械故障機(jī)理及故障診斷技術(shù)[M]．北京：機(jī)械工業(yè)出版社，1997．

[2] 孫 暉. 經(jīng)驗(yàn)?zāi)B(tài)分解理論與應(yīng)用研究LD].杭州，浙江大學(xué)，2005．

[3] 皇甫堪,陳建文,樓生強(qiáng)．現(xiàn)代數(shù)字信號(hào)處理[M]．北京：電子工業(yè)出版社，2003．

[4] 黃永平．Hllbert～Huang變換及其若干改進(jìn)研究[D].哈爾濱，哈爾濱工程大學(xué)，2007．

[5] 蓋 強(qiáng),張海勇,徐曉剛．Hilbert～Huang變換的自適應(yīng)頻率多分辨分析研究[J]．電子學(xué)報(bào)，2005，33(3)：563-566．

The Research on Faults Recognitions of Turbine Based on EMD

LI Jun-ling

(Tianshengqiao Hydropower Plant of China Southern Power Grid Frequency and Amplitude Modulation Power Company，Xingyi 562400, Guizhou Province, China)

According to the intrinsic mode of testing signals, the vibration characteristics of signals is analyzed based on EMD, and the results is compared with that of other methods. And the research show that the IMF of signals is result of multi-band EMD filtering, and the dominate IMF is closely related to the running state of hydraulic unit, so using EMD method can capture the physical meaning of vibration signals to identify the running type of unit.

Turbine; Empirical Mode Decomposition; Faults recognitions; HHT

2015-03-10

2015-03-21

李俊嶺(1985-)，男，吉林四平人，本科，主要水電廠水輪發(fā)電機(jī)組運(yùn)行維護(hù)工作。

10.3969/j.issn.1009-3230.2015.04.002

TV741

B

1009-3230(2015)04-0005-03