共查询到17条相似文献，搜索用时 328 毫秒
1.
针对水轮机空化声发射信号存在噪声,进而影响信号特征有效提取的问题,提出基于优化变分模态分解(VMD)与Birge-Massart策略组合降噪和局部均值分解( LMD)的水轮机空化声发射信号特征提取方法.针对VMD算法中惩罚因子和分解模态数对分解结果有着显著影响,提出以散布熵差异相关系数最小值为目标函数,利用哈里斯鹰优化算法(HHO)对VMD进行参数寻优.以最优参数的VMD分解信号,得到一系列本征模态函数(IMF).计算各IMF的相关系数,对相关系数小于0.1的IMF进行剔除,大于0.5的IMF进行保留,0.1到0.5的IMF采用小波BM准则进行降噪,并与保留的分量重构.对重构信号进行LMD处理,将分解得到的乘积函数(PF)分量的能量提取为信号特征.试验分析结果表明,经过优化VMD组合降噪处理和LMD处理得到PF分量的能量与空化系数之间呈负相关,验证了所提方法用于水轮机空化状态识别的可行性. 相似文献
2.
离心泵空化状态与声发射信号特征关系试验 总被引：1，自引：0，他引：1
为了获得离心泵空化状态下声发射信号的变化规律,在离心泵空化试验基础上,采用声发射技术采集并分析了离心泵不同空化状态下的声发射信号,提取了声发射信号的事件计数、振铃计数、频率中心和有效电压值等4种典型特征参数,分析了这些参数随离心泵汽蚀余量变化的对应关系。研究表明,在空化未发生、刚发生和已完全形成等不同阶段,这些典型特征参数变化具有明显特点,先有少许波动,然后有较大幅度的增加或减少,再呈现较大幅度的减少或增加的趋势。这一规律可作为采用声发射技术辨识离心泵空化状态的技术依据。 相似文献
3.
《中国农村水利水电》2019,(1)
目前大型水电机组通常安装有状态监测系统可记录机组的振动数据,而如何从海量的数据中提取出机组的故障特征是水电机组故障诊断的难点和热点。提出了一种基于变分模态分解和复杂度分析的振动信号特征提取方法,该方法首先对降噪后的振动信号进行变分模态分解,再结合复杂度算法求得各模态分量的复杂度值,得到以各模态分量复杂度值为元素的反映机组故障信息的特征向量,最后利用支持向量机对特征向量进行分类。试验结果表明:基于变分模态分解与复杂度分析的特征提取方法对水电机组不同运行状态具有较好的区分度,是一种有效的振动信号特征提取方法。 相似文献
4.
针对联合收割机装配精度不高和装配质量难以检测的问题,提出一种基于麻雀搜索算法（SSA）优化变分模态分解（VMD）和长短时记忆神经网络（LSTM）的联合收割机装配质量检测方法。该方法首先利用SSA算法自适应寻优得到最优VMD分解模态参数K和惩罚因子α,然后利用最佳参数组合[K,α]将联合收割机振动信号分解成不同中心频率的本征模态分量IMF,并对各个IMF分别进行联合特征提取组成特征向量,最后将联合特征向量作为LSTM的输入,实现不同故障特征的分类。分析结果表明,SSA-VMD-联合特征提取方法分类准确率为98.1%,分别比集合经验模态分解（EEMD）和固定参数VMD高7.1%和6.1%,验证所提方法对联合收割机装配质量检测的优越性。 相似文献
5.
为研究离心泵不同空化状态下噪声特性的变化规律,以及空化的发展对水动力噪声的影响,首先以一台超低比转数离心泵为研究对象,搭建闭式试验台,基于泵产品测试系统及数据采集系统建立了离心泵空化噪声的试验测试系统,实现了泵性能参数和内场噪声信号的同步采集。其次,分别应用不同空化模型对模型泵空化性能曲线进行预测,并与试验值进行对比,选择合适的空化模型。在此基础上将整个空化过程划分为未空化阶段、空化初生阶段、特征空化阶段及严重空化阶段,结合声学边界元法将流场信息转化为声场信息,并通过比较各空化阶段噪声预测值与试验值相对误差,发现模拟信号与实际信号吻合度较高,充分验证了预测方法的可行性。最后,基于流声耦合法研究空化对内部声场的影响。研究发现:针对超低比转数离心泵空化,Zwart模型比Kunz模型具有更好的适用性。内场噪声信号随空化的发展变化规律比较复杂。在中低频段,由于空化对动静干涉的抑制作用,使得叶频及其倍频特征值离散分量声压级随空化的发展呈现逐渐下降趋势,而轴频分量呈现增大趋势;而高频宽频噪声随空化系数的降低呈现先缓慢减小、然后急剧上升的规律,逐渐将高频特征值分量淹没在宽频带中,高频段声压级的增高造成总声压级的升高。 相似文献
6.
为了准确识别卧式离心泵地脚螺栓松动故障,搭建了卧式离心泵机组诊断平台,采用电涡流传感器对离心泵转子位移进行监测.将采集的转子位移信号经过经验模态分解法(empirical mode decomposition, EMD)分解为多个固有模态函数(intrinsic mode function, IMF),对各层IMF频谱特征、相关系数及能量占比进行分析得到故障敏感分量.最后,通过径向基(radial basis function, RBF)神经网络对离心泵松动故障进行识别预测.结果表明:采用EMD方法可以有效提取出离心泵松动故障特征,IMF5—IMF8层可作为故障特征分量.通过将IMF5—IMF8层的相关系数和能量占比作为故障特征输入到RBF神经网络中进行识别,准确率可达95%. 相似文献
7.
针对水轮发电机组受水、机、电等因素相互耦合,早期故障特征被电磁和噪声所淹没难以提取的问题,设计了一种基于改进VMD和GRU的水轮发电机组振动故障预警方法。首先,采用BES算法对变分模态VMD的参数进行寻优,得到最佳的分解层数、惩罚因子和模态个数,然后采用最优的VMD算法对水轮发电机组早期的振动特征进行提取,最后将早期的振动特征输入GRU神经网络预测算法进行训练、验证和测试。仿真结果和工程实例表明,该方法可以有效快速准确提取水轮发电机组的早期微弱振动特征,实现水轮发电机组的早期故障预警,具有较高的工程应用价值。 相似文献
8.
为保证离心泵的安全高效运行,需要对离心泵的运行工况进行识别研究.首先,使用测试函数对比研究了经验模态分解、集合经验模态分解和互补集合经验模态分解3种振动信号特征提取方法,基于性能最优的特征提取方法提取不同工况下运行的离心泵振动信号特征数据.然后,对支持向量机模型进行改进,提出了一种使用k-means聚类算法优化的二叉树支持向量机模型,并将改进模型应用到离心泵4种不同运行工况的识别中.同时,使用其他2种多分类支持向量机模型作为对比.研究结果表明:3种特种提取方法中,互补集合经验模态分解无模态混叠迹象性,噪声干扰小,性能表现更好;改进支持二叉树向量机模型分类准确率可达82.17%,对设计的4种工况具有很好的分类效果;改进支持二叉树向量机模型结构简单,训练时间短,实时性好,综合性能优于其他2种模型. 相似文献
9.
在信号处理中,由于严重噪声的干扰,往往会对EEMD分解造成影响,因此提出广义形态滤波和EEMD相结合的方法。首先利用广义形态滤波对故障信号进行滤波,减小噪声的干扰,然后利用EEMD对去噪后的信号分解,选择相关系数最大的本征模态分量并从其频谱图中提取特征频率。结果证明该方法能成功地去除噪声对EEMD分解的影响,从而能准确检测到故障信号的特征频率,具有广泛的应用前景。 相似文献
10.
针对经验模态分解方法在处理水电机组振动这类由多重信号和噪声耦合的信号时出现的模态混叠现象,提出了一种微分经验模态分解和能量特征相结合的水电机组故障信号预处理方法.通过微分经验模态算法对信号进行分解,接着构造各阶微分信号能量矩阵,通过能量矩阵可以筛选出有效的分量.仿真试验表明微分经验模态分解能有效的避免模态混叠效应,使用... 相似文献
11.
为研究叶轮叶片包角对离心泵空化诱导振动噪声的影响,以1台单级单吸离心泵为研究对象,保持泵体和叶轮其他几何参数不变,将叶片包角从115°改为110°,120°和125°．在离心泵闭式试验台上测量了不同叶片包角模型泵在不同装置空化余量时的振动和噪声信号,并对信号进行处理和分析．试验结果表明:叶片包角变化对离心泵设计工况下空化性能的影响无明显规律,存在1个最优值;随着叶片包角的增大,各测点加速度传感器测得振动强度的变化规律各不相同,出口法兰测点的振动强度相对最小,振动强度均在10 m／s2以下;随着叶片包角的增大,模型泵在无空化状态下运行时,噪声信号轴频峰值减小,叶频峰值变化复杂;空化初生和发展时,轴频峰值均呈先增加后降低的趋势,1 750～2 250 Hz频段的能量峰值随空化程度的加剧先增大后减小． 相似文献
12.
选择3个流量工况(80, 92,100 m3/h)对离心泵进行空化试验,利用TST6200动态采集系统、NoiseA 2.10噪声测试软件和灵敏度为-210 dB的水听器构成的噪声测试系统采集空化噪声信号,并利用照相机同时拍摄3个流量工况下水流中空泡的变化过程.采用功率谱法对空化噪声信号进行频域分析和处理,将整个频域分为高中低3个频段,统计各频段信号的平均功率,得到信号功率随汽蚀余量之间的关系曲线.研究结果表明:离心泵流动空化信号的特征主要集中在低频段,而在中高频段没有明显特征;利用功率谱法对空化噪声信号进行分析和处理,得到的结果能够很好地反映离心泵流动空化的发展过程;选择了2个功率带分别作为判断离心泵空化初生和临界空化时的阈值,利用该阈值可以对离心泵空化进行实时监测. 相似文献
13.
14.
15.
离心泵小流量工况不稳定空化特性研究 总被引：3，自引：0，他引：3
为了研究离心泵小流量工况不稳定空化特性,通过数值模拟和试验,研究了离心泵小流量工况不同空化程度泵的内流特性及泵进出口压力脉动特性。结果表明:小流量工况下,蜗壳隔舌与叶轮间的动静干涉对离心泵内部不稳定流动具有重要影响,叶轮流道内受空化影响所产生的漩涡与受蜗壳隔舌影响所产生的漩涡的流动方向相反。随着空化的发展,离心泵进口压力脉动的主频由2倍轴频逐渐向低频段迁移,且存在一定的波动;泵进口压力脉动存在于2倍叶频处的峰值,随着空化发展到一定程度而消失;受叶轮与隔舌动静干涉的影响,泵出口压力脉动的主频为叶频,在2倍轴频处存在波动较大的峰值;泵进出口压力脉动的宽频脉动随着空化余量的降低存在明显变化。 相似文献
16.
为研究空化对超低比转数离心泵内压力脉动的影响,采用实验和数值模拟相结合的方法,研究了IB 50-32-250型超低比转数离心泵在不同有效汽蚀余量下不同位置处的压力脉动,并对其频域和幅值特性进行了分析。结果表明:空化会诱导产生低频及宽频脉动。无空化时,叶轮流道内压力脉动主频为转频及其倍频,蜗壳内压力脉动受叶轮和隔舌间的相互作用激励,主频为叶频及其倍频,且与隔舌越近脉动越强。随着有效汽蚀余量的减小,叶轮通道中大部分测点的压力脉动幅值减小,但空化区边缘的脉动幅值增大;临界空化时,叶轮进口附近的压力脉动主频由转频变为1/6倍转频。此外,蜗壳内流场的不均匀变化导致蜗壳内压力脉动幅值增大;临界空化时,蜗壳及泵出口处的主频仍为叶频,但1/6倍转频成为幅值较大的次频。 相似文献
17.
为利用机器学习的方法对离心泵运行状态进行监测,于离心泵发生空化故障前对离心泵初生空化状态做出判断,从而为离心泵运行状态在线监测提供一定的技术参考.针对基于支持向量机(SVM)的离心泵初生空化监测进行研究,采集离心泵运行振动信号,分析并选取均值、标准偏差、偏度、峭度等特征为特征向量训练模型,同时采用网格寻参与K-CV交叉验证的方式寻找最优组合参数.研究结果表明:网格寻优与交叉验证结合的方式能较好地寻找到最优参数;选取单一特征训练模型情况下,标准偏差的平均识别率最高,识别准确率为94.58%,以标准偏差、偏度、峭度两两组合的特征训练模型的平均识别率达到90%以上;该方法对离心泵初生空化识别具有较高准确率,具有一定鲁棒性,有较好的实用价值. 相似文献