譚丕成，萬 元，朱紅平，胡 邊，曾輝斌，劉 宇

(1.五凌電力有限公司近尾洲水電廠，湖南 衡陽 421127;2.湖南五凌電力科技有限公司，湖南 長沙 410004;3.國家電投集團水電產(chǎn)業(yè)創(chuàng)新中心，湖南 長沙 410004)

0 引 言

我國擁有世界第一的水電資源蘊藏量，有著巨大的開發(fā)潛力。隨著新能源產(chǎn)業(yè)的不斷發(fā)展，水力資源作為清潔能源的重要組成部分越來越受到重視。水電機組作為水力發(fā)電的核心裝備，其運行狀態(tài)關(guān)系到發(fā)電效率、經(jīng)濟效益以及生產(chǎn)安全。

作為回轉(zhuǎn)機械，在運行過程中因由異常振動引發(fā)的水輪機組故障而影響電力生產(chǎn)的現(xiàn)象很普遍[1]。當水輪機組振動幅度超過允許值或者振動頻率出現(xiàn)異常時，輕則引發(fā)調(diào)速器的振蕩，降低發(fā)電效率，重則會損壞機組的重要部件（如尾水管里襯脫落，螺栓剪斷，轉(zhuǎn)輪葉片裂紋甚至斷裂等，浙江富春江水電站曾發(fā)生過機組的異常振動故障），增加檢修次數(shù)和檢修工期，降低使用壽命；更為嚴重的會引起水工建筑物的振動，危及水電站安全[2-4]。因此，為了維持水電機組的安全運行，保障水電廠安全生產(chǎn)，對機組運行過程中的振動信號進行準確的測量與實時的監(jiān)視具有重要意義。

目前，用于在線測量與檢測的手段很多，其中以振動信號為基礎(chǔ)的測量與分析方法，具有信號采集簡便，物理意義明確，特征識別簡單等特點成為檢測與診斷中最常用、最有效的手段[5-6]。但在一些較為復(fù)雜的工況下，一方面由于振動傳感器的布設(shè)受限于設(shè)備或作業(yè)環(huán)境，不易找到可靠的安裝點位；另一方面，由于安裝位置無法選擇在接近振動源的區(qū)域，例如水輪機組外部殼體，其表面振動信號較弱，并不容易采集，使得振動診斷法有一定的局限性。聲學(xué)故障診斷技術(shù)是基于聲音信號的檢測分析方法，聲學(xué)傳感器的具有體積小、易安裝的特點，在早期的機械齒輪故障診斷中已有一定的應(yīng)用[7-9]。但是在缺少先驗的故障信息或者聲學(xué)特征的前提下，傳統(tǒng)的聲學(xué)診斷（acoustic-based diagnosis，ABD）方法在實際操作中不易找到準確的測量位置；基于單一傳感器信息的 ABD 方法更容易受到測量位置的影響，無法充分利用聲音信息，在局部診斷存在局限性[10-12]。而且水輪機組工作時干擾噪聲復(fù)雜，對于測量精度有較大影響。

為了克服振動信號測量方法與聲音信號測量方法的不足，本文提出了一種多源信息融合的水輪機組振動檢測方法。通過多源信息融合算法，實現(xiàn)振動信號與聲音信號的融合，通過多源信息融合與能量重心法的結(jié)合[13]，實現(xiàn)水輪機組振動頻率的準確分析。

1 基于多源信息融合的測量方法

水輪機組的結(jié)構(gòu)復(fù)雜、振動激勵源多，工況復(fù)雜，同時單一傳感器采集到的信息都會受到周圍環(huán)境的干擾，獲取的信息是不精確的。多源信息融合的優(yōu)點在于能夠最大效率的利用多個維度的信息對信號特征進行描述，對于不確定性的干擾有較好的屏蔽作用，可以實現(xiàn)目標信息的準確提取，有效提高信息特征提取的的效率，提高對干擾和噪聲的抵抗能力。多源信息融合的功能可以概括為：擴大信號的探測范圍，提高特征提取性能，改進抗干擾能力；提高對目標信號的時頻分辨能力，從多個維度提取目標的特征矢量，改善特征提取的準確性，降低噪聲干擾；使得系統(tǒng)的容錯能力和自適應(yīng)能力得到進一步提高；進而使得下一步的決策有更多維度的數(shù)據(jù)基礎(chǔ)，提高系統(tǒng)決策能力，從而使整個系統(tǒng)的性能提升。得益于多源信息的冗余性和互補性，通過多源信息融合得到的結(jié)果與單一傳感器獲得的信息相比，其抗干擾能力和準確性往往會有質(zhì)的飛躍。

在水輪機組的實際測量過程中，聲音與振動往往是密切相關(guān)的，因此，一般情況下振動頻率與音頻信號具有很強的相關(guān)性[14]，為實現(xiàn)振動信號與音頻信號的多源信息融合，本文所提出的方法通過對多個檢測點的聲音信號與振動信號進行同步采集，采用多源信息融合算法，通過強化振動信號與音頻信號的同頻成分，抑制干擾信號與噪聲，對信號進行重構(gòu)，得到融合信號，實現(xiàn)對目標信息的準確提取?；诙嘣葱畔⑷诤系臏y量方法如圖1 所示。

圖1 測量系統(tǒng)結(jié)構(gòu)圖

通過對重構(gòu)的的融合信號進行譜分析，可以在時頻域內(nèi)得到更精準的結(jié)果，同時可通過實時存儲便于信息的回溯與比較。

2 多源信息融合的信號重構(gòu)

在水輪機組的振動與聲音信號中，除了反映振動頻率的基頻成分，還會存在由于其他機械結(jié)構(gòu)振動帶來的干擾成分。為了抑制干擾，增強基頻信號，本文提出了一種基于多源信息融合的信號重構(gòu)方法，將振動與音頻信號進行融合重構(gòu)，從而實現(xiàn)對干擾與噪聲的抑制。

一般情況下，在振動信號和聲音信號傳播的過程中，兩種信號中引入的干擾成分通常是不同的，也就是說，振動信號和音頻信號有著相同的基頻和不同的干擾頻率。假設(shè)v(t)表示振動信號，a(t)表示音頻信號，振動信號和音頻信號的模型可表示為如下所示：

式中：A0——基頻幅值，V；

f0——基頻頻率，Hz；

φ0——基頻相位，rad；

Avi——振動干擾幅值，V；

Aai——音頻干擾幅值，V；

fvi——振動干擾頻率，Hz；

fai——音頻干擾頻率，Hz；

φi——干擾信號相位，rad；

na(t)和nv(t)——振動信號和音頻信號中的高斯白噪聲。

在振動信號和音頻信號中，代表振動頻率的基頻信號與干擾信號和白噪聲是線性疊加的，因此振動音頻互相關(guān)序列可以根據(jù)互相關(guān)運算的性質(zhì)表達為各個信號成分互相關(guān)的疊加。為了表達的簡潔，本文將互相關(guān)序列分成三個部分。第一部分是振動信號和音頻信號中同頻成分的互相關(guān)，第二部分是振動信號和音頻信號中不同頻率成分的互相關(guān)，第三部分是高斯白噪聲和各個頻率成分的互相關(guān)，各個部分的表達式如下所示：

其中rva表示振動信號與音頻信號的互相關(guān)，r1表示振動信號和音頻信號中同頻成分的互相關(guān)，r2表示振動信號和音頻信號中不同頻率成分的互相關(guān)，r3表示高斯白噪聲和各個頻率成分的互相關(guān)。

振動音頻互相關(guān)序列的頻域特性可通過傅里葉變換求得，根據(jù)互相關(guān)與傅里葉的性質(zhì)，互相關(guān)序列的頻譜可表示為（式中*表示共軛）：

基于互相關(guān)的性質(zhì)，同頻成分經(jīng)過互相關(guān)后獲得增強，不同頻率成分和噪聲由于沒有相關(guān)性，經(jīng)過互相關(guān)運算后相互抑制[15]，因此R1>>R2+R3，所以互相關(guān)序列的頻譜成分可以簡化為：

由此可知，經(jīng)過融合重構(gòu)之后，振動信號和音頻信號中代表水輪機組振動頻率的基頻信號得到增強，干擾信號和噪聲被抑制。在振動傳感器與音頻傳感器布設(shè)在同一區(qū)域時，振動信號和音頻信號均包含反映振動頻率的基頻信號，因此基于融合重構(gòu)序列能夠更好地提取水輪機組振動頻率信息。

3 基于能量重心法的頻率校正方法

為實現(xiàn)對基頻的精確估計，本文采用能量重心法對基頻頻率進行精確估計。能量重心法算法具有操作簡單，運算量小的優(yōu)點，通常只需較少的采樣點數(shù)，可根據(jù)需求選擇不同的窗函數(shù)的校正公式。然而實際中采集到的信號往往伴隨有噪聲干擾，噪聲會影響譜線的正確選擇，進而會影響到頻率的估計精度。在本文中，通過對多路信號進行多源信息融合，重構(gòu)后得到的融合信號抑制了大部分噪聲與干擾，使得譜線的選擇更加準確。

一般情況下，窗函數(shù)離散頻譜的能量重心具有無窮逼近坐標原點的性質(zhì)，能量重心法的提出就是基于窗函數(shù)的這一特性。對于頻率、幅值和相位分別為f0、A0、θ0的單一諧波信號x(t)=A0cos(2πf0t+θ0)，它的傅里葉變換可表示為：

其中w(n)為窗函數(shù)。將頻率f0歸一化，并表示為f01，此時幅值譜的譜峰位于譜線k0=int(f01)，則歸一化頻率f01與譜線k0存在如下關(guān)系：f01=k0+δ，其中δ 為歸一化頻率校正量，且–0.5<δ≤0.5。

令G(i)為加窗信號功率譜第i條譜線值，k0對應(yīng)主瓣內(nèi)峰值譜線，則根據(jù)重心特性，當n→∞有

由上式可以求得主瓣中心,即歸一化校正頻率

頻率修正的算法流程如圖2 所示。

圖2 算法流程圖

首先，確定窗長，將采集的振動信號和音頻信號通過多源信息融合方法進行重構(gòu)，得到融合信號序列，然后對融合信號序列做離散傅里葉變換，得到融合信號序列的頻譜參數(shù)。由于干擾頻率成分和噪聲被抑制，基頻成分得到增強，幅值最大的譜線就代表基頻成分的頻率。選出幅值最大的譜線及其周圍的4 根額外譜線，通過能量重心法求得精確頻率。

式中：k0——幅值最大譜線的序號；

G(k0+i)——序號為k0+i的譜線的幅值；

fs——采樣頻率；

L——參與離散傅里葉變換的點數(shù)；

f——修正后的頻率。

4 仿真與實測信號分析

為驗證多源信息融合算法在抑制噪聲與提高精度方面的效果，本文采取了仿真模擬測試的形式，將多源信息融合方法與傳統(tǒng)單傳感器測量方法進行比較。模擬測試采取信號源加模態(tài)激振器的形式模擬機械振動工況，仿真試驗臺如圖3 所示。信號源設(shè)置為55 Hz 正弦信號，采樣率設(shè)置為5 kHz，在信噪比分別為20 dB，40 dB 和60 dB 的條件下進行測試，頻率估計誤差結(jié)果如表1 所示，從仿真結(jié)果可以看出，在噪聲較強的情況下，單一傳感器的測量結(jié)果誤差較大，而經(jīng)過多源信息融合后，由于噪聲干擾被抑制，頻率估計結(jié)果得到較為顯著的改善，誤差降低了一個數(shù)量級。

圖3 振動仿真試驗臺

表1 不同信噪比的頻率估計絕對誤差

為驗證算法在實際應(yīng)用中的表現(xiàn)與可靠性，實測實驗場地選擇在五凌電力近尾洲水電廠的1 號水輪機組。機組為燈泡式貫流發(fā)電機組。通過對燈泡頭進行振動與音頻信號的采集，并通過對貫流式水輪機組的振動與音頻數(shù)據(jù)進行分析，測量準確的機組振動頻率。

實測數(shù)據(jù)分析分為兩個部分，第一部分是在穩(wěn)定負荷情況下的測量，第二部分實在變負荷情況下的測量。由于機組的振動頻率主要是以低頻為主，因此采樣率fs設(shè)置為2 kHz，并通過低通濾波電路濾除部分高頻噪聲。

首先，在負荷穩(wěn)定情況下，燈泡頭的振動時頻分析圖如圖4、圖5、圖6 所示。

圖4 穩(wěn)定負荷振動信號時頻圖

圖5 穩(wěn)定負荷音頻信號時頻圖

圖6 穩(wěn)定負荷融合信號時頻圖

從時頻圖中可以看出，采用多源信息融合算法得到的時頻圖能量更集中，干擾成分被顯著抑制，而振動和音頻信號都存在主頻能量較弱，干擾成分較多的問題。機組振動頻率估計結(jié)果如圖7 及圖8所示，表2 為圖8 所示時間段內(nèi)的頻率測量結(jié)果。從頻率估計的結(jié)果來看，基于多源信息融合的方法能夠更準確的對機組振動頻率進行估計，在穩(wěn)態(tài)情況下能夠準確地估計出機組的振動頻率，并且有較好的抗干擾能力，而單純依靠振動或者音頻信號的方法則跟容易受到干擾信號的影響，在測量過程中容易產(chǎn)生異常波動，尤其是音頻信號的估計結(jié)果，由于現(xiàn)場工況復(fù)雜，干擾信號較強，估計結(jié)果產(chǎn)生顯著偏差。

表2 A 區(qū)域頻率估計結(jié)果

圖7 穩(wěn)態(tài)情況下頻率估計結(jié)果對比

圖8 A 區(qū)域放大圖

在變負荷的情況下，負荷在約67 s 時發(fā)生變化，機組振動時頻分析圖如圖9、圖10、圖11 所示。

圖9 變負荷振動信號時頻圖

圖10 變負荷音頻信號時頻圖

圖11 變負荷融合信號時頻圖

從時頻圖中可以看出，采用多源信息融合算法得到的時頻圖能量更集中，干擾成分被顯著抑制，在變負荷的階段，主頻的波動更為明顯，而振動和音頻信號都存在主頻能量較弱，干擾成分較多的問題，在變負荷的階段主頻變得模糊并且難以分辨。機組振動頻率估計結(jié)果如圖12 與圖13 所示，從頻率估計的結(jié)果來看，基于多源信息融合的方法能夠更準確的對機組振動頻率進行估計，并且有較好的抗干擾能力，并且在變負荷階段能夠跟蹤振動頻率的變化。而單純依靠振動或者音頻信號的方法則跟容易受到干擾信號的影響從而導(dǎo)致結(jié)果出現(xiàn)顯著的偏差，尤其是在變負荷階段，由于該階段的干擾相較于平穩(wěn)負荷情況下更加復(fù)雜，從圖13 可以看出，振動信號與音頻信號的估計結(jié)果波動范圍很大，而實際情況下，機組的振動頻率不可能發(fā)生如此劇烈的變化，因此顯然是由干擾信號導(dǎo)致的估計偏差，無法準確捕捉頻率的變化。

圖12 動態(tài)情況下頻率估計結(jié)果對比

圖13 B 區(qū)域放大圖

5 結(jié)束語

本文提出了一種基于融合聲音與振動信號的水輪機組振動檢測方法。通過多源信息融合算法，對振動信號與聲音信號進行融合重構(gòu)，利用振動與聲音的相關(guān)特性，抑制了干擾信號和背景噪聲的影響，增強了基頻的能量，通過能量重心法對融合信號進行頻率校正，實現(xiàn)水輪機組振動頻率的準確估計。通過模擬仿真實驗驗證了多源融合方法對噪聲與干擾的抑制效果。通過對五凌電力近尾洲水電廠的1號水輪機組的實測實驗，驗證了本文所提出方法的可靠性，通過與單純的振動信號分析方法和音頻信號分析方法比較可知，本文所提出的多源信息融合算法能有效抑制干擾信號和背景噪聲，提高了振動頻率測量的準確性和可靠性。