2015年第4期（总第208期）
doi : 10. 3969/j. issn, 1009 3230. 2015. 04. 002
应用能源技术
基于EMD的水轮机敌障识别
李俊岭
（中国南方电网调峰调频发电公司天生桥水力发电总厂，贵州兴义562400）
摘要：利用EMD方法可依据信号本身固有特性进行分解的特征，对水力发电机组振动测试信号进行分析，并与傅里叶变换等方法进行比较。研究表明：基于EMD方法可以得到机组振动信号的IMF分量，能量占据主导地位的IMF分量与机组运行状态密切相关，该IMF分量直接由故障源诱发，因而采用EMD方法能够准确地捕提到机组振动信号中所蕴含的真实物理意义，准确识别机组运行状态。
关键词：水轮机；经验模态分解；故障识别；HHT
1文献标志码：B文章编号：1009-3230(2015)04-000503
中图分类号：TV741
TheResearch on Faults Recognitions of Turbine Based on EMD
LI Jun ling
(Tianshengqiao Hydropower Plant of China Southern Power Grid Frequency and Amplitude
ModulationPower Company,Xingyi562400,GuizhouProvince,China)
Abstract: According to the intrinsic mode of testing signals, the vibration characteristics of signals is analyzed based on EMD, and the results is compared with that of other methods. And the research show that the IMF of signals is result of multi band EMD filtering, and the dominate IMF is closely related to the running state of hydraulic unit, so using EMD method can capture the physical meaning of vibration signals to identify the running type of unit.
Key words: Turbine; Empirical Mode Decomposition; Faults recognitions; HHT
0引言
水电机组故障类型，往往与其振动信号密切相连，通过对振动信号进行分析可以有效的识别水轮机故障类型，但是由于实测振动信号往往具有非线性、非平稳特征，信号的频率呈现时变特点，而传统的水轮机振动识别方法，比如傅里叶变换及其改进型、小波分析及小波包分析等方法]，或者无法同时进行频域和时域分析，或者时频分析效果不佳，难以正确的提取水轮机振动
收稿日期：20150310修订日期：20150321
作者简介：李俊岭（1985-），男，吉林四平人，本科，主要水
电厂水轮发电机组运行维护工作。
万方数据
5
信号特征向量，直接影响到水轮机故障模式识别的准确度。为此，文中基于经验模态分解（EMD）方法，对水轮机实测振动信号进行分析，探索有效解决水轮机振动特征提取乃至故障模式识别的方法，这对于提高水电机组经济、安全运行有若重要的使用价值和学术价值。
EMD方法基本原理 1
1998年，美国人NordenE.Huang认为信号中蕴含着一系列固有特性，可以通过经验模式分解(EMD）将信号分解成一系列固有模式函数(IMF)的组合，然后在对每一个IMF分量求取其