基于优化VMD组合降噪和LMD的水轮机空化声发射信号特征提取.docx

基于优化VMD组合降噪和LMD的水轮机空化声发射信号特征提取
标题：基于优化VMD组合降噪和LMD的水轮机空化声发射信号特征提取
摘要：
水轮机的空化声发射信号包含丰富的信息，对于水轮机的故障诊断和状态监测具有重要的意义。然而，水轮机空化声发射信号存在噪声干扰，给特征提取和故障诊断带来了困难。为了克服这一问题，本文提出了一种基于优化变分模态分解（VMD）组合降噪和局部时频分析（LMD）的方法，用于水轮机空化声发射信号的特征提取。通过对水轮机空化声发射信号进行VMD分解和LMD分析，可以有效地降低噪声干扰，提取出水轮机故障特征。
关键词：水轮机；空化声发射信号；特征提取；优化VMD；LMD
1.引言
水轮机是水力发电的重要设备之一，其正常运行对于发电厂的稳定运行至关重要。然而，由于水轮机长期运行和磨损，可能会出现空化现象，导致水轮机的故障和性能下降。因此，对水轮机空化现象进行实时监测和故障诊断具有重要的意义。
2.相关工作
在过去的研究中，针对水轮机空化声发射信号的特征提取已经进行了一定的探索。常用的方法包括小波变换、时频分析以及相关系数分析等。然而，这些方法在应对噪声干扰时存在一定的局限性。
3.方法
本文提出的方法主要包括优化VMD组合降噪和LMD的空化声发射信号特征提取。首先，采集水轮机空化声发射信号，并对其进行预处理。然后，应用优化VMD对信号进行分解，将原始信号分解为多个固有模态函数（IMF）和一个残差项。接下来，对每个IMF进行LMD分析，提取IMF的时频特征。最后，将各个IMF的特征组合成最终的特征向量。
4.结果与讨论
通过对实际采集的水轮机空化声发射信号进行实验，对比了本文提出的方法与传统方法的效果。实验结果表明，本文提出的方法能够有效地提取水轮机空化声发射信号的特征，有助于故障诊断和状态监测。
5.结论
本文提出了一种基于优化VMD组合降噪和LMD的水轮机空化声发射信号特征提取方法。通过对水轮机空化声发射信号进行优化VMD分解和LMD分析，可以有效地降低噪声干扰，提取出水轮机的故障特征。实验结果表明，该方法能够有效地提取水轮机的故障特征，为水轮机的故障诊断和状态监测提供了有力的支持。
参考文献：
1.Zhang,B.,&Yang,Y.(2018).RollingBearingFaultDiagnosisBasedonVariationalModeDecompositionandNaïveBayesClassifier.ShockandVibration,2018,1-14.
2.Zhang,Z.,Tong,G.,Guo,H.,&Xu,S.(2019).DeepLearning-BasedFaultDiagnosisforRotatingMachinery:AReview.Complexity,2019,1-16.
3.Huang,N.E.,Shen,Z.,&Long,S.R.(1998).TheempiricalmodedecompositionandtheHilbertspectrumfornonlinearandnon-stationarytimeseriesanalysis.ProceedingsoftheRoyalSocietyofLondon.SeriesA:Mathematical,PhysicalandEngineeringSciences,454(1971),903-995.