基于改进HHT算法的GIS机械振动信号时频分析方法与流程

本发明涉及一种基于改进HHT算法的GIS机械振动信号时频分析方法。

背景技术：

气体绝缘金属封闭开关设备(Gas Insulated Switchgear，GIS)会产生多种机械缺陷，例如螺丝松动、断路器操作机构失灵、互感器振荡等。因此通过监测机械故障来诊断GIS内部早期缺陷能够提高GIS的运行稳定性。GIS内部故障产生的振动信号通过介质传递至GIS筒体，对于运行中的GIS设备，常在筒体表面放置传感器，接受传递过来的振动信号，从而检测GIS是否运行异常，即发生故障。由于振动信号检测法抗干扰能力强，并且与电网中广泛使用的超高频检测法可以形成互补，用来检测中低频信号，方便可靠。

但是，现阶段对于GIS的故障研究仍多集中于局部放电方向，采集的振动信号也多为频率较高的电磁波信号，对存在更广泛的、频率较低的机械故障信号研究较少。由于GIS结构的复杂性，对现场运行中的GIS的振动特性更少研究，现有技术中虽然有文献对运行中的GIS的振动信号进行了实测，但数据获取困难且数据量有限，未能分析出GIS具体的故障问题。或对正常和异常HGIS振动信号进行多次检测处理，并从统计角度得出对应振动幅值和次数关于频率的相关图，但并没有指明故障问题。

常用的处理振动信号时频的方法是HHT算法，即对经过EMD算法预处理后得到的信号进行HT处理，但经验模态分解作为一个成熟的分析时频信号的方法，仍然存在不少问题，其中比较严重的就是易产生虚假分量和模态混叠现象，具体表现在：

1)一个单独的IMF中含有全异尺度；

2)相同尺度出现在不同的IMF中。

技术实现要素：

本发明为了解决上述问题，提出了一种基于改进HHT算法的GIS机械振动信号时频分析方法，本发明对GIS设备表面的振动信号进行测量，并构造螺丝松动和基于绕组变形的互感器振荡两种常见的GIS机械故障，多次检测三种工况(正常信号、螺丝松动、互感器振荡)下的GIS振动信号，引入改进的HHT方法来处理GIS机械振动信号，对三种振动信号进行时频分析，以使该种针对非线性非平稳信号的处理方法能够更广泛更深入地应用于振动信号处理领域。

首先，为避免歧义，统一进行名词解释如下：

GIS：Gas Insulated Switchgear，气体绝缘金属封闭开关设备；

HT：Hilbert Transformation，希尔伯特变换；

IMF：Intrinsic Mode Function，本征模态函数/固有模态函数；

EEMD：Ensemble Empirical Mode Decomposition，总体集合经验模态分解；

EMD：Empirical Mode Decomposition，经验模态分解。

为了实现上述目的，本发明采用如下技术方案：

一种基于改进HHT算法的GIS机械振动信号时频分析方法，测量GIS正常运行振动信号和故障下GIS振动信号，利用总体集合经验模态分解提取振动信号的特征量，再将通过EEMD预处理得到的信号进行希尔伯特变换对GIS机械振动信号进行时频分析。

在GIS断路器操动机构与隔离开关连接螺丝和互感器处设置异常振动源，包括螺丝松动和基于绕组变形的互感器振荡。

利用传感器在GIS窥视孔下侧检测正常、螺丝松动和互感器振荡三种情况下的振动信号。

将原始信号筛分成固有模态函数，在筛分过程中给信号添加一个高斯白噪声信号，为每次EMD分解后剩余分量的时域分布提供一致的参考结构。

利用总体集合经验模态分解方法的具体过程，具体包括：

(1)通过给原始信号叠加一组高斯白噪声信号获得一个总体信号；

(2)对原始信号进行EMD分解，得到各阶IMF分量；

(3)给原始信号加入不同的白噪声，重复步骤(1)和步骤(2)；

(4)利用高斯白噪声频谱零均值原理，消除高斯白噪声作为时域分布参考结构带来的影响，将原始信号进行分解；

(5)将分解得到的每个IMF进行希尔伯特变换，根据得到的希尔伯特变换谱确定边际谱，以表征各个频率点的积累幅值分布。

所述步骤(2)中，EMD分解的具体过程包括：

(2-1)根据原始信号函数的极大点和极小点求出其上包络及下包络的平均值；

(2-2)求取原始信号函数与求取的平均值的差值；

(2-3)将该差值视为新的原始信号函数，重复步骤(2-2)-(2-3)，进行迭代，直到计算的差值满足IMF条件；

(2-4)将满足IMF条件时的差值视为一个新的IMF，求取原始信号函数与该新的IMF的差值为新的原始信号函数，重复步骤(2-1)-(2-4)，依次计算得到分解后的各阶IMF和剩余分量。

所述步骤(3)中，所加的高斯白噪声次数服从：原始信号与各阶的IMF相加后之间的误差值等于高斯白噪声的幅值与总体个数的平方根之间的差值。

所述步骤(4)中，将原始信号分解成各阶IMF和剩余分量的和。

所述步骤(5)中，对每个经过EEMD得到的IMF做Hilbert变换，得到解析信号，根据解析信号的相位，计算瞬时频率。

所述步骤(5)中，对每个IMF进行希尔伯特变换，将变换后的结构记为Hilbert谱，边际谱的定义为对于Hilbert谱的积分。

与现有技术相比，本发明的有益效果为：

(1)本发明基于平均经验模态分解(EEMD)的时域分析，得到本征模函数组，可以获得振动信号的各成分幅值和相位情况，避免了虚假分量和模态混叠现象的出现，使得结果更加准确；

(2)本发明基于改进的HHT分析，可得到三种工况振动信号幅值和频率的分析，得到不同故障下振动信号的特征判据；

(3)采用经EEMD算法的预处理后再进行HT变换的方法对GIS机械振动信号进行时频分析可以有效地处理GIS振动信号，从而建立GIS机械故障诊断数据库，为实现现场带电检测GIS机械故障提供理论依据。

附图说明

构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。

图1(a)、(b)、(c)分别为示波器在三种工况下时采集的振动信号时域图；

图2(a)、(b)、(c)分别为EEMD分解得到三种工况的振动信号时域图；

图3(a)、(b)、(c)分别为三种工况的振动信号的HHT边际谱；

图4为本发明的流程示意图。

具体实施方式：

下面结合附图与实施例对本发明作进一步说明。

应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本发明使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

正如背景技术所介绍的，现有技术现阶段对于GIS的故障研究仍多集中于局部放电方向，采集的振动信号也多为频率较高的电磁波信号，对存在更广泛的、频率较低的机械故障信号研究较少的问题，提出一种基于改进HHT算法的GIS机械振动信号时频分析方法。

本申请的一种典型的实施方式中，如图4所示，本发明对GIS设备表面的振动信号进行测量，并构造螺丝松动和基于绕组变形的互感器振荡两种常见的GIS机械故障，多次检测三种工况(正常信号、螺丝松动、互感器振荡)下的GIS振动信号，引入改进的HHT方法来处理GIS机械振动信号，对三种振动信号进行时频分析，以使该种针对非线性非平稳信号的处理方法能够更广泛更深入地应用于振动信号处理领域。

经验模态分解方法是将复杂的信号分解成若干本征模态函数(Intrinsic Mode Function，IMF)，从而使通过HT(希尔伯特变换)获得的瞬时频率能够应用到实际中。IMF须满足以下两个条件，即：①整个数据段内，极值点和过零点的个数应当相等或最多相差1；②在任何一点，局部极大值点形成的上包络线和局部极小值点形成的下包络线的均值为零，即信号关于时间轴局部对称。具体的处理方法是：

首先根据原始信号函数s(t)的极大点和极小点求出其上包络v₁(t)及下包络v₂(t)的平均值

然后求出s(t)与m的差值h，即

s(t)-m＝h (2)

再将h看作新的s(t)重复以上操作，进行迭代，直至h满足IMF条件时，此时记作

c₁＝h (3)

将c₁看作一个新的IMF，作

s(t)-c₁＝r (4)

将r看作新的s(t)，重复以上过程，依次得到c₂，c₃，c₄…，直到r(t)基本呈单调趋势或|r(t)|很小可视为测量误差时即可停止。此时，

即此时已经将原信号分解成了n个IMF：c₁，c₂，c₃，c₄…，c_n，和一个剩余分量r。

经验模态分解仍然存在不少问题，其中比较严重的就是易产生虚假分量和模态混叠。因此，在EMD算法的基础上，提出了EEMD算法。

针对EMD所出现的问题，发现除一阶分量外，每阶IMF的功率谱都呈现相同的带通特性，而且前一阶IMF的平均频率近似为后一阶的2倍；同时还发现信号会出现频率混叠现象。基于上述分析，提出了将白噪声加入到分解信号中补充一些缺失的尺度，从而提出了总体平均经验模态分解思路。

因此，EEMD主要算法结构与EMD算法基本相同：将原始信号筛分成固有模态函数，由于筛分过程中出现了模态混叠现象，因此在筛分过程中给信号添加一个高斯白噪声信号w(t)，为每次EMD分解后剩余分量的时域分布提供一致的参考结构。

1.3 总体平均经验模态分解具体步骤

1)通过给原始信号x(t)叠加一组高斯白噪声信号w(t)获得一个总体信号：

X(t)＝x(t)+w(t) (6)

2)对X(t)进行EMD分解，得到各阶IMF分量：

3)给原始信号加入不同的白噪声w_i(t)，重复步骤1)和2)。

4)利用高斯白噪声频谱零均值原理，消除高斯白噪声作为时域分布参考结构带来的影响，此时IMF分量c_n(t)可表示为

EEMD所加的高斯白噪声次数服从式(10)

式中：ε为高斯白噪声的幅值；N为总体个数；ε_n表示原始信号与各阶的IMF相加后之间的误差。为了保证谐波检测算法的快速性，一般选取ε为0.01，N＝200。

5)因此，最后原始信号x(t)可分解为

Hilbert变换

对每个经过EEMD得到的IMF做Hilbert变换，

x_i(t)＝c_i(t) (12)

得到解析信号，

z(t)＝x_i(t)+iy_i(t)＝a(t)e^iθ(t) (14)

式中a(t)——瞬时振幅，θ(t)——相位，

瞬时频率按下式计算

对每个IMF做HT得到

此时忽略了残余项，上式称为Hilbert谱，记作

进一步定义边际谱

边际谱能够从统计意义上表征整组数据各个频率点的积累幅值分布。

本发明试验利用某开关厂整套的110kV单相分箱GIS设备。在GIS断路器操动机构与隔离开关连接螺丝和互感器处设置异常振动源，包括螺丝松动和基于绕组变形的互感器振荡。故障1为螺丝松动，故障2为互感器绕组变形。利用外置的压电式加速度传感器在GIS窥视孔下侧检测三类振动信号(正常，螺丝松动，互感器振荡)。

图1(a)、(b)、(c)分别为示波器在GIS正常、故障1、故障2时采集的振动信号时域图，从时域图来看，螺丝松动和互感器振荡两种工况下的振动信号幅值均大于正常振动信号，并且螺丝松动故障下，振动信号幅值增幅明显。直观上看，互感器振荡下的振动信号密集程度最高，推测有倍频信号叠加。

三组振动信号经过简单去噪处理后，通过上述的EEMD分解得到三种工况(图2(a)、2(b)、2(c))下GIS振动信号的本征模函数组，各图自上而下依次为各个本征模函数(imf)和残余分量(res.)。本征模态分量相应包含了从高到低不同频率段的成分，并且随原始信号的变化而变化。

通过希尔伯特变换后可以得到希尔伯特黄谱和边际谱。通过边际谱可以更直观的看出幅值随频率分布的变化。与正常运行下的振动信号的HHT边际谱(图3a)相比，故障1(图3b)和故障2(图3c)下GIS振动信号的HHT边际谱中可以非常清晰地看到故障特征，螺丝松动故障在基频100Hz处存在振荡现象，并且幅值明显高于正常运行时的幅值，互感器振荡信号的能量主要集中于140～160Hz和440～460Hz范围，其幅值远高于正常运行下基频100Hz左右的幅值。综合希尔伯特黄谱分析，可以得出两种故障的特征判据。

本发明应用改进的HHT分析方法分析处理GIS设备振动信号。利用HHT方法，在实验室内，通过对GIS设备设置两种常见的机械故障(即螺丝松动和互感器振荡)，运用该方法对GIS设备三种工况(正常、故障1、故障2)下振动信号进行分析研究。得出以下结论：

(1)基于平均经验模态分解(EEMD)的时域分析，得到本征模函数组，可以获得振动信号的各成分幅值和相位情况，避免了虚假分量和模态混叠现象的出现，使得结果更加准确。

(2)基于改进的HHT分析，可得到三种工况振动信号幅值和频率的分析，得到不同故障下振动信号的特征判据。

(3)正常振动信号的频谱分布在100Hz附近，频带较窄；螺丝松动故障振动信号的频谱同样分布在100Hz附近，频带较宽，且幅值明显高于正常振动信号；互感器振荡故障振动信号的频谱分布在140～160Hz和440～460Hz范围。

上述说明，基于改进HHT算法的方法对GIS设备的机械振动信号进行时频分析是有效的。通过模拟不同类型的机械故障，最终能够建立GIS机械故障诊断数据库。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。