ALIF-PE算法在水轮机压力脉动信号降噪中的应用

水轮机尾水管压力脉动信号的分析在机组故障诊断中具有重要作用,然而,采集数据时现场环境中的随机噪声干扰对信号的真实度会产生影响。针对这个问题,提出了ALIF-PE算法,该方法采用自适应迭代滤波算法(ALIF)对信号进行分解,并得到各个IMF分量,计算分量的排列熵(PE)值;然后根据预先设定的阈值保留合适的分量达到降噪的目的,将ALIF-PE算法与VMD算法在信号降噪表现上的情况进行对比。结果表明:ALIF-PE算法能够较好地对尾水管压力脉动信号中的随机干扰噪声进行降噪处理,同时能够保留信号的重要信息。从与VMD的对比来看:ALIF-PE比VMD-PE的抗混叠表现更好;此外,在参数设置、计算效率以及自适应性等几个方面的分析均表明了ALIF在尾水管压力脉动信号降噪上的有效性和优势。

基于VMD和脉冲因子的水轮机摆度信号特征提取分析

作为水电机组运行状况的基本判据,水轮机的水导摆度信号是水电站运行研究中的重点课题。为研究更好的提取水轮机摆度信号特征,针对现场采集的水轮机水导摆度信号中出现的异常尖峰成分,提出一种基于变分模态分解和脉冲因子的水轮机摆度信号特征提取方法,并介绍了其基本原理及求解步骤。首先,使用VMD对原始信号进行分解,分离出不同成分的变分模态分量(简称模态分量)。然后,计算每个模态分量的脉冲因子值并设定脉冲因子的标准值。最后,将超出该值的模态分量去除,并将剩余的分量进行重构,获得除去异常尖峰成分后的重组信号。通过对仿真信号以及实际信号的分析,该方法可以将水导摆度信号中的异常尖峰成分去除,并对相关物理特征进行有效地提取。最后得出结论:(1)变分模态分解可以将水导摆度信号中的异常尖峰成分分解在各个模态中;(2)以脉冲因子作为脉冲能量指标,能够将含有少量噪声的模态提取出来。研究成果可为水轮机的设计和数值模拟提供参考。

自适应迭代滤波在水轮发电机组振动分析中的运用

水轮发电机组的振动和水轮机压力脉动是衡量机组运行状态稳定性的重要指标,为了确保机组的正常运行,通常采集机组的振动信号进行识别判断。通常,水轮发电机组的振动信号为非平稳信号,并且会参杂着的噪声。针对水轮机振动信号,提出一种基于自适应迭代滤波分解和独立分量分析的水轮机振动信号特征提取方法,介绍其基本原理及求解步骤。先使用独立分量分析对原始信号进行分解,将背景中多余的噪声去除,接着对每个通道的信号进行自适应迭代滤波分解,计算每个模态分量的能量集中度并设定相关的边界值,将超出该值的模态分量去除,并将剩余的分量进行重构,获得除去噪声成分后的重组信号。通过对仿真信号以及实际信号的分析,该方法可以将振动信号中的噪声成分去除,并对相关物理特征进行有效的提取。最后得出结论:1)独立分量分析可将水轮机振动信号中的噪声去除,并突出特征;2)采用自适应迭代滤波分解并以能量集中度作为模态筛选指标,能够将含有少量噪声的模态提取出来,获取相关特征信号。