[发明专利]基于多小波的水电机组故障特征自适应提取方法

说明书

技术领域

本发明涉及一种基于多小波的水电机组故障特征自适应提取方法。

背景技术

水电能源是重点开发的新能源。在水电开发规模大幅增长的同时，作为水电厂的核心关键设备，水电机组也在向大型化、复杂化、集成化、精密化、自动化等方向发展。在这种形势下，水电机组的安全性问题也日趋突出。水电机组启、停速度快，负荷调整方便，在电网中常常担负调峰、调频、负荷备用等任务，其运行情况不仅关系到水电机组自身的安全，而且对整个电网的安全也具有重要影响。因此，为确保水电机组和电网安全、稳定运行，提高设备利用率，避免重大经济损失和人员伤亡，必须对水电机组进行合理的维护和检修。

水电机组故障诊断的主要步骤包括：1）采集水电机组相关信号；2）对采集的信号进行降噪预处理，提高信号信噪比；3）利用信号处理方法对降噪后的信号进行处理，提取有效的故障特征；4）将所提取的故障特征从水电机组的故障特征空间映射到机组的故障模式空间中，实现机组故障类型的识别。在这些步骤当中，水电机组的故障特征提取和故障诊断方法的研究是水电机组故障诊断技术研究的两个难点与热点。

故障特征提取是指从原始数据中削弱或去除与故障诊断无关的，以及对故障诊断结果准确性造成不良影响的信息，提取能够突显不同故障类别之间差别的故障特征的完整过程，其目的是简化故障诊断过程，增强故障诊断结果的准确性。换句话说，机械设备故障特征提取是为故障诊断服务的，所提取的故障特征结果关系到故障诊断过程的复杂性和故障诊断结果的准确性。水电机组故障特征提取的实现需要借助先进的信号处理方法，探索有效的故障特征提取途径，为水电机组故障的准确识别提供有效的数据支撑。目前，用于故障特征提取的信号处理方法大致可以分为时域分析、频域分析和时频分析方法三种。

（1）时域分析方法具有简单、直观等优点，但是，在设备某些故障状态下采集的振动信号往往表现出一定的频率特征，而时域分析方法却无法体现信号的频率特性，这使得其应用具有一定的局限性。

（2）频域分析方法实质上是信号的整体变换，其应用是建立在信号平稳性假设的前提之下的，对于非平稳信号，FT无法体现信号在时间域上的局部细节特征，这使得其应用受到了一定的限制。

（3）时频分析方法：Wigner-Ville 分布（Wigner-Ville Distribution，WVD）属于二次型变换，存在交叉干扰项，尤其是对多分量信号和在信号频率成分较为接近时，该现象更为严重。短时傅里叶变换（Short Time Fourier Transform，STFT）窗口大小和形状是预先确定的，在信号处理过程中无法改变，使得其分辨率较为单一，在某些情况下，难以满足实际需要。Hilbert-Huang变换（Hilbert-Huang Transform，HHT）缺乏完整的数学理论基础，存在端点效应，对噪声干扰的鲁棒性差等，仍需要在应用过程中进行不断的完善。

发明内容

本发明的目的是提供一种基于多小波的水电机组故障特征自适应提取方法。

为实现上述目的，本发明采用以下技术方案：一种基于多小波的水电机组故障特征自适应提取方法，其特征在于，包括以下步骤：步骤S1： 将两尺度相似变换矩阵中加入了自适应参数来构造自适应多小波，自适应多小波构造包括两次在GHM多小波基础上的奇异TST，两次奇异TST的TST矩阵分别为：

；

经过两次奇异TST，便得到最终的双正交自适应多小波，该多小波保持了紧支撑、对称的特性，且具有2阶消失矩，由于包含了自适应参数a、b、c、d 和 f，因此，该自适应多小波能够适应信号特点而改变多小波基函数；步骤S2：通过尝试构造敏感性评估指标和从改进现有敏感性评估指标两种方式确定用于水电机组故障特征参数敏感性评估的指标，实现水电机组故障特征参数的优化；步骤S3：基于多小波的水电机组故障特征自适应提取首先以敏感性评估指标作为目标函数，利用遗传算法从带有自适应参数a、b、c、d 和 f的自适应多小波库中选择出最优多小波，然后将该最优多小波用于水电机组信号的故障特征提取中，从高维振动故障特征集中获取最优故障特征参数。