基于CEEMDAN和小波包分解的闸门振动信号降噪研究

2024-02-01 06:30李初辉孔令超黄天雄
水电站机电技术 2024年1期
关键词:波包闸门分量

李初辉,孔令超,董 懿,杨 赛,黄天雄

(中国长江电力股份有限公司,湖北 宜昌 443000)

0 引言

闸门用于关闭和开放泄水通道的控制设施,在水利水电行业起着重要的作用[1]。泄洪闸门在开放泄洪即有开度的情况下,常常会产生振动。水电站泄洪闸门常采用振动传感器监测闸门振动状态,通过振动传感器可以获取不同状态下的频率特征[2,3]。因此有学者通过现场闸门流激振动参数检测,提取了闸门振动状态,进而分析并提出控制和消除强烈振动的措施[4]。然而闸门振动信号非常容易受到外部干扰[5],外部干扰来源包括水流涡旋、水压冲击、附近施工或振动设备、水位变化等。这些因素影响了泄洪闸门的振动信号质量。因此在进行状态判断前,需要结合降噪方法处理振动信号。在水利水电振动信号降噪处理方面,杨军通过对振动信号去噪和分析,给出了闸门状态的检测和识别[6]。张翌娜采用CCMDAN和SVD算法对振动信号进行分解,并以排列熵算法为准选择有效信号[7]。本文发明一种基于经验模态分解与集合经验模态分解(CEEMDAN)和小波包分解的闸门振动信号降噪算法,首先采用经验模态分解算法对闸门振动信号进行模态分解,然后将小波包软阈值去噪算法应用到闸门振动信号处理,实现闸门振动信号去噪,为后续闸门振动信号的处理提供基础。

1 CEEMDAN分解

经验模态分解与集合经验模态分解(CEEMDAN)是一种用于信号处理和数据分析的算法[8]。它是一种从信号中提取不同尺度和频率的局部特征的方法,CEEMDAN将信号分解为多个固有模态函数(IMF),每个IMF都代表信号中的一个特定频率成分。经验模态分解与集合经验模态分解算法对信号分解的流程图如图1所示。设Ei(g)为经过经验模态分解算法分解后得到的第i个特征分量为经过CEEMDAN分解得到的第i个特征分量,vj是服从标准正态分布的随机信号,j=1、2、3...N,为加入随机信号的次数,ε为随机信号的幅值,y(t)为待分解信号。

图1 CEEMDAN分解原理示意图

CEEMDAN(经验模态分解与集合经验模态分解算法)分解步骤如下:

(1)将随机信号加入到y(t)中得到新信号y(t)+(-1)qεvj(t),其中q=1、2,对信号进行经验模态(EMD)分解,得到第一阶特征分量C1。

(2)对产生的N个特征分量进行整体求平均就得到CEEMDAN分解的第1个本征模态分量:

(3)分解完第一个特征分量后,获得的残差是:

(4)在ri(t)中加入随机信号与原始信号相叠加得到新信号,利用这个新信号进行EMD分解,获得第2个本征模态分量:

(5)在分解完两个模态分量后,剩下的残差为:

(6)按照上述步骤不断重复,直到得到的残差信号变为单调函数为止,此时算法终止。分解得到的本征模态分量的数量为K,原始信号y(t)经过分解被表示为:

对振动信号进行分解是为了更好地获得噪声信号和原始信号,然后在不同模态分量下进行小波包变换,进一步滤除噪声信号。

2 小波包去噪原理

小波变换阈值去噪法提取特征[9,10]基本原理如下:闸门信号中包含有效信号和噪声信号,通过CEMDAN获取了不同模态的信号,然后通过小波包变换、分解,经阈值去噪,再将处理以后小波系数经过小波逆变换还原成去噪以后的信号。

小波变换阈值去噪方法的关键在于阈值的量化处理和阈值的选取,常用的值函数有软阈值函数和硬阈值函数两种,为了保证噪声信号的提取精度,采用软阈值函数对小波系数进行处理,公式如(7)所示。

其中d和S(d)分别代表经过去噪处理前后小波变换系数,sgn()为符号函数,λ为阈值。从公式(7)可以看出,阈值处理函数中,阈值λ的选取会直接影响到去噪的效果,当信号信噪比较大时,通常采用无偏似然估计规则,而当信噪比较小时,则通常采用固定阈值规则。本研究采用的启发式阈值规则,是固定值规则和无偏似然估计规则的综合,是最优预测变量阈值选择。

3 试验与分析

以某水电站历史振动传感器的信号数据为基础分析算法效果,采集闸门振动数据进行去噪处理。首先对该水电站历史加速度传感器的振动信号数据进行分析,3个加速度传感器信号如图2所示,由图像可以看出未经过去噪处理的振动信号噪声较大,含噪信号在后续的应用中会带来很多干扰,影响闸门故障检测的准确性。

图2 未经过去噪处理的闸门振动信号

采用本文算法对闸门振动信号进行滤波去噪处理,选取两个加速度传感器以大图的形式展示,如图3所示,CEEMDAN分解出9个IMF分量,加入噪声次数为100次,正负高斯白噪声标准差为0.2,迭代次数最大500次。每个IMF代表一个局部极值,可以看到在对噪声信号进行分解后,随着IMF的增加,其幅值越来越小,分解的越来越小,当IMF为6时,已经获取基本小号轮廓,因此针对IMF1~IMF5进行小波包变换,小波包分解为3层,小波基函数采用‘db8’去噪的信号可知,从原始的3.5×10-3V量级降低到1×10-4V的量级,对闸门振动信号中的无用噪声的去除较好,实现了较好的去噪功能。

图3 经过去噪处理的闸门振动信号

4 结论

本文提出基于CEEMDAN和小波包分解的闸门振动信号降噪方法,用于解决闸门振动信号噪声繁多的问题。通过采用CEEMDAN和小波包分解方法进行信号去噪,可以有效处理水电站泄洪闸门振动信号中受到的外部干扰。CEEMDAN方法能够将信号分解成多个本征模态函数(IMF),每个IMF代表不同频率的振动成分,使得外部干扰和真实信号成分可以分离。随后,小波包分解能够将每个IMF进一步分解成不同尺度和频率的子频带,这有助于更准确地定位和分离干扰成分。对每个子频带应用阈值去噪技术,可以有效去除噪声,保留真实信号。

猜你喜欢
波包闸门分量
我终于会过地铁闸门了
帽子的分量
基于小波包Tsallis熵和RVM的模拟电路故障诊断
论《哈姆雷特》中良心的分量
分量
把住医保基金水池闸门
找准入口,打开思路的闸门
基于小波包变换的电力系统谐波分析
小波包理论与图像小波包分解
我国专家发现药物成瘾新机制,找到“闸门”开关