[发明专利]无线传输融合AE和EMD的水轮发电机组空化检测方法

说明书

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。

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；