[发明专利]一种基于SDAE-IELM的水轮机组故障诊断方法

说明书

一种基于SDAE‑IELM的水轮机组故障诊断方法，包括如下步骤：采用自适应噪声添加的完备集合经验模态分解算法CEEMDAN对水轮机组振动信号进行分解，获取反映信号局部时间尺度特征的固有模态函数(IMF)分量；对由IMF分量构成的时频矩阵按时段划分并计算各分段的能量值，从而将时频矩阵转化为能量矩阵；采用SDAE对能量矩阵进行特征提取；采用IELM实现已知故障类型的分类及未知故障类型的检测。本发明在机组发生故障后能够迅速而准确地做出判断，有利于减少停机维修时间，减轻运维人员的工作强度，提高工作效率。

【技术领域】

本发明属于水轮机组的诊断技术领域，具体是指一种基于SDAE-IELM的水轮机组故障诊断方法。

【背景技术】

近年来，随着能源需求的不断增长，水电发展规模日益增大，中小型水电机组的数量也逐渐增多。小水电站通常布置在偏远的地区，水电机组往往运行在恶劣的环境下，很容易发生故障。水电机组的异常振动是造成机组发电效率下降和生产成本增加的原因之一。异常的振动轻则会影响设备的正常运行，导致功率输出降低到最优水平以下，造成经济损失；重则可能造成设备的损坏，机组停机。

【发明内容】

本发明所要解决的技术问题在于提供一种基于SDAE-IELM的水轮机组故障诊断方法，在机组发生故障后能够迅速而准确地做出判断，有利于减少停机维修时间，减轻运维人员的工作强度，提高工作效率。

本发明是这样实现的的：

一种基于SDAE-IELM的水轮机组故障诊断方法，包括如下步骤：

步骤1：采用自适应噪声添加的完备集合经验模态分解算法CEEMDAN对水轮机组振动信号进行分解，获取反映信号局部时间尺度特征的固有模态函数IMF分量；

步骤2：对由IMF分量构成的时频矩阵按时段划分并计算各分段的能量值，从而将时频矩阵转化为能量矩阵；

步骤3：采用SDAE对能量矩阵进行特征提取；

步骤4：采用IELM实现已知故障类型的分类及未知故障类型的检测。

进一步地，所述步骤1，具体包括：

定义操作符E_j(x)代表着EMD分解所获取的第j阶IMF分量，n_i为服从N(0，1)分布的高斯白噪声，ε_i为控制着辅助噪声与原始信号信噪比的系数；

给定待处理信号x(t)，则CEEMDAN算法可描述如下：

1)CEEMDAN的第1个IMF分量与EEMD算法相同：

其中，i＝1,2,…，I，I为辅助噪声添加次数。

2)在第1阶段(k＝1)，计算第一个余量：

3)对信号r₁(t)+ε₁E₁(n_i(t))进行EMD分解，则第2个IMF分量可表示为：

4)同理，对于k＝2，3，…，K的各阶段，计算第k个余量r_k(t)：

其中，K为IMF分量的总阶数；

5)对信号r_k(t)+ε_kE_k(n_i(t))进行EMD分解，则第k+1个IMF分量可表示为：