本发明涉及水电设备风险识别，具体涉及到一种水电机组声音特征提取方法。
背景技术：
1、在水电站中，水电机组的周围存在众多振动源，包括机械振动、水力作用和电磁效应等。这些振动源产生的声音信号相互交织，使得直接通过声音监测来识别机组内部状况变得极为复杂。获取运行中机组内部状态的关键参数(例如速度、压力等)尤其具有挑战性，这对机组的健康状态的获取造成了显著障碍。现场工作人员特别关注那些可能对设备安全造成威胁的流动现象，如卡门涡街、尾水管涡带和空化空蚀等，这些现象往往以发出特定声音的方式显现出来。因此，通过声音检测与分析来评估水电机组的运行状况和内部流动特性是一种重要的手段。
2、针对上述问题，本发明提供了一种专门针对水电机组的一种水电机组声音特征提取方法。
技术实现思路
1、本发明提供了一种专门针对水电机组的一种水电机组声音特征提取方法。
2、本发明的目的是提供一种水电机组声音特征提取方法，方法包括以下步骤：
3、步骤一、通过对机组进行现场试验，采集尾水管进人门声音信号在发电150mw、发电300mw、抽水工况和抽水调相4种工况状态时的数据；
4、步骤二、采用多尺度分解方法对4种状态下的尾水管进人门声音信号进行分解，对应4种状态下的声音信号，均得到若干个平稳分量；
5、步骤三、对各个分量ci(t)进行对数能量计算，获得该分量的对数能量作为特征参数hi，i＝1，2，…，n，hi表示第i个分量对数能量值，构建特征值向量：h＝[h1,h2,…,hn]，令ci(t)有n个数据点，令y＝0，对于t＝2到n-1，具体计算公式为：
6、y＝y+((ci(t)^2)-ci(t-1)*ci(t+1))
7、步骤四、经过循环迭代，获得t＝n-1时的y，获得该分量的对数能量作为特征参数hi，具体计算公式为：
8、hi＝log(y)
9、进一步的，步骤二中的多尺度分解方法具体步骤如下：
10、步骤一、取n元信号s(t)，对其协方差矩阵c进行特征值分解，c＝σλσt，σ表征特征向量矩阵，λ表征特征值矩阵，最大的特征值λ1对应特征向量σ1，即表征功率不平衡最大方向的第一个主成分；
11、步骤二、沿着σ1的完全反方向构造另一个向量σo1；
12、步骤三、采用hamersley序列，在(n-1)维球体上均匀采样得到k个均匀投影向量然后计算每个方向向量与σ1的euclidean距离；
13、步骤四、将σ1位于的半个椭球体的均匀投影向量根据下式进行重置，α由多元信号多信道间功率不平衡的程度决定，具体计算公式为；
14、
15、步骤五、将σo1位于的另半个椭球体的均匀投影向量根据下式进行重置，α由多元信号多信道间功率不平衡的程度决定，具体计算公式为；
16、
17、步骤六、采用自适应投影方向向量和进行迭代分解，通过memd余下步骤进行局部均值估计。
18、本发明具有以下优势：
19、本发明通过采用多尺度分解和对数能量算子分析技术，对水电站尾水进入门的声音信号进行精细化处理，首先，通过多尺度分解技术对4种不同工况下的非平稳声音信号进行分解，随后利用对数能量算子对得到的稳定分量进一步分析，有效地揭示了声音信号在多个频域尺度上的能量分布规律，这种方法在现场应用中表现出了卓越的实用性，能够有效识别机组的不同运行状态。
20、本发明通过对尾水进入门声音信号的多尺度分量进行对数能量算子分析，可以监测水电机组的运行状况，并及时发现由水电机组异常发出的声音。这为现场工作人员提供了一种及时发现潜在风险的手段，同时也能提供智能化的建议，辅助水电站的运维决策，这种异常检测系统能够提供关键的操作信息，有助于减少大型事故的发生，降低设备的不可靠性和故障风险，并提高资源的使用效率，鉴于这些优势，该方法在水电机组的运行维护领域具有广泛的应用前景。
1.一种水电机组声音特征提取方法，其特征在于：所述方法包括以下步骤：
2.如权利要求1所述的一种水电机组声音特征提取方法，其特征在于：所述步骤二中的多尺度分解方法具体步骤如下：