[发明专利]一种电气设备早期故障信号降噪方法

说明书

本发明公开了一种电气设备早期故障信号降噪方法，该方法基于经验模态分解理论，通过分析剔除分故障分量后的不同固有模态分量重构后信号几何分布相似性变化趋势，实现最优固有模态分量重构降噪，解决了传统方法难以实现电气设备早期微弱故障信号中强背景噪声干扰抑制，降低检修成本，避免严重事故的发生。

技术领域

本发明属于电气设备故障诊断技术领域，涉及一种电气设备早期故障信号降噪方法。

背景技术

随着国民经济的快速发展，现代化电气设备得到了广泛应用，包括发电端的风电机组、水电机组到用电端的水泵、电机等，其可靠工作直接关系到整个系统的安全稳定运行。因此开展电气设备早期故障诊断意义重大。但考虑到许多电气设备通常运行在恶劣的工作环境下，早期微弱的故障特征信号会淹没在强背景噪声环境中，非常有必要对测量信号进行降噪处理。目前针对设备故障信号降噪方法包括噪声统计特性分析、小波降噪、连续均方误差、相关系数等，上述方法对于电气设备振动信号的非故障分量的影响都没有考虑，由于对于电气设备振动信号降噪过程中不只是传统意义上的噪声信号对诊断结果有影响，非故障分量如转频信号及其倍频分量的存在对电气设备的降噪及故障辨识都存在着影响，因此上述方法对电气设备早期微弱故障信号降噪效果欠佳。

发明内容

本发明的目的是提供一种电气设备早期故障信号降噪方法，解决了传统方法存在实现电气设备早期微弱故障信号中强背景噪声干扰抑制的问题。

本发明所采用的技术方案是，一种电气设备早期故障信号降噪方法，具体按照以下步骤实施：

步骤1、利用振动传感器采集电气设备振动信号波形作为原始信号x(t)；

步骤2、通过陷波器对电气设备的已知非故障特征频率进行剔除，得到含故障特征频率；

步骤3、基于经验模态分解对含故障特征频率进行筛分，得到多个固有模态分量；

步骤4、通过原始信号按照固有模态分量的顺序依次构造重构分量；

步骤5、计算重构分量的概率密度函数，并利用Hausdorff距离为评价指标衡量各个分量的贡献和能量分布；

步骤6、将豪斯多夫距离第一个明显突变的固有模态分量作为最优重构起始分量，实现电气设备早期故障信号降噪。

本发明的特点还在于：

步骤3多个固有模态分量表示如下：

式(1)中，L表示固有模态分量的数量，h⁽ⁱ⁾(t)为第i阶固有模态分量，R(t)为剩余分量。

步骤4中具体过程为：

通过原始信号去除第1阶到第i阶固有模态分量获得第j阶重构分量，则第j阶重构分量表达式为：

式(2)中，1≤j≤L；

将得到的重构分量按阶数大小排序，获得多个重构分量。

步骤5中各个分量的贡献和能量分布表达式为：

hd(i)＝HD[pdf(x_i(t)),pdf(x_i+1(t))] (3)

式(3)中，hd(i)为各重构分量之间的豪斯多夫距离值，HD为豪斯多夫距离，pdf(x_i(t))为前一阶重构分量的数据集，pdf(x_i+1(t))为本阶重构分量的数据集。

步骤6中最优重构起始分量对应的阶数表达式为：