基于声学信号的水轮机初生空化预警方法

专利主权项内容

1.基于声学信号的水轮机初生空化预警方法，其特征在于，具体按照以下步骤实施：步骤1、通过水轮机上安装的声学传感器获取空化声学信号数据集，包含各工况运行参数下无空化及空化状态下水轮机运行时的声学信号；步骤2、对声学信号进行去噪处理，得到去噪声学信号；具体过程为：步骤2.1、输入所采集的声学信号对应的时间序列，确定改进自适应噪声完全集合经验模态分解的最优白噪声幅值£和加噪次数N；e步骤2.2、根据最优白噪声幅值£和加噪次数N对采集的声学信号进行分解，获得K个IMF分量；e步骤2.3、分别计算K个IMF分量与分解前的声学信号之间的最大互信息系数，根据最大互信息系数对IMF分量筛选、重构，得到去噪声学信号；步骤3、计算低频空化声学信号熵率和高频空化声学信号的信号能量值；具体过程为：步骤3.1、将去噪声学信号进行粗粒化，粗粒化过程中不同的起点创建不同的时间序列，重构后声学序列的粗粒化序列为：其中，为重构声学序列长度；τ为尺度因子，表示重构声学序列的第个值；Lubb步骤3.2、计算粗粒化时间序列中色散模式π的平均概率；其中，色散模式π为重构空间中序列的组合形式，其中为不同起始点每个可能的色散模式/>的概率；步骤3.3、计算色散模式概率平均值的色散熵：其中，为类别个数，为嵌入维数，为时延长度；cmd步骤3.4、利用色散熵的前八个尺度的熵值进行最小二乘法拟合，得到的曲线斜率即为低频声学信号的熵率；步骤3.5、由下式计算重构后的高频声学信号的Teager能量算子序列，重构公式为：式中，表示Teager能量算子序列的第个值，/>表示重构高频信号序列中的第个数，/>表示重构高频信号序列中的第+1个数，/>表示重构高频信号序列中的第-1个数；nnnn对信号Teager能量算子序列进行快速傅里叶变换，其主频幅值即为高频声学信号的信号能量值；步骤4、构建水轮机工况运行参数与初生空化声学信号预警特征值之间关系的预测模型，将水轮机工况运行参数作为输入数据，初生空化声学信号熵率和高频声学信号的信号能量值作为输出数据，每组输入数据及对应的输出数据作为训练样本训练预测模型；步骤5、采集工况运行参数已知、空化状态未知状态的实况声学信号，计算实况声学信号的熵率和能量值，将实况声学信号对应的工况运行参数输入训练后的预测模型中获得熵率预警阈值与能量值的预警阈值；当实况声学信号的熵率超过熵率预警阈值或实况声学信号的能量值超过能量值的预警阈值，发出初生空化预警。 来自马-克-数-据-官网