基于小波包分解的燃气轮机燃烧信号分析方法
【专利摘要】本发明公开了一种基于小波包分解的燃气轮机燃烧信号分析方法，使用传感器多通道采集燃烧信号，对采集的燃烧信号进行滤波、放大后经FPGA模块传送至CPU处理器，在CPU处理器内搭建小波包分解算法分频段地对燃烧信号进行分析，然后将分析结果分别传送至人机界面和控制系统。本发明能够准确采集燃气轮机燃烧压力脉动信号，并能根据采集的信号做出相应的指令以保证机组正常、稳定、安全的运行。
【专利说明】基于小波包分解的燃气轮机燃烧信号分析方法
【技术领域】
[0001]本发明涉及燃气轮机数据采集分析领域，尤其涉及一种基于小波包分解的燃气轮 机燃烧信号分析方法。
【背景技术】
[0002]随着能源可持续性发展战略的实施和环境保护意识的增强，燃气轮机技术引 起了全世界的广泛重视。在燃气轮机关键技术中，预混燃烧技术的发展受到了燃烧 不稳定性的限制，其表现为燃烧室出现的自激振荡现象，直接会对燃气轮机燃烧室火 焰筒和过渡段的损坏，进而脱落的碎片会随气流进入透平段，造成二次破坏。燃气轮 机燃烧室内的燃烧信号(压力波动）是表征燃气轮机燃烧稳定性的指标之一，对于燃 气轮机燃烧信号稳定性的判定是通过对燃烧信号时-频转换、划分特征频带、确定频 带上限、幅值判断的方式进行的。因此，如果准确高效地依据对燃烧室内壁各部位造 成损伤的特征频点、特征频带和各特征频带上限，确定燃烧信号的最大频率解析范围 〇 、最大采样频率S 2imss、最小频率分辨率Mmin和频带上限ALARI^，成为保护燃气 轮机正常稳定运行的前提。其中，丨= 1,2,3." N，1 = 1.2.3…Μ,?是自然数，表示燃烧信号的第 ?采集通道;f是自然数，表示在第f通道下的第j频带。
[0003]在现有技术中，对于燃烧信号的分析一般采用传统傅里叶变换（FFT)的方法进行， 虽然FFT很容易将信号从时域转换到频域，但对于非稳定的燃烧信号，它存在如下缺陷：如 果信号本身是非平稳的，FFT的过程可以理解它是在整个时间域上的一个积分，对于有限时 间信号，类似做延拓后求取积分结果。如果频率是固定的，则延拓后该频率成分分布在整个 时间轴上；如果某个频率成分随时间变化，那么延拓后，特定的频率成分显然是只占据了时 间轴的一部分，如果某个信号持续时间很短，可以想象持续时间很短的信号有很大的幅度 在频谱上可能反应不出来。而燃烧信号本身的非稳定性使得用FFT的方法对其分析存在局 限性。
【发明内容】
[0004] 本发明的目的在于克服现有技术中存在的上述问题，提供一种基于小波包分解的 燃气轮机燃烧信号分析方法，本发明能够快速采集燃气轮机燃烧压力脉动信号，并能对采 集的燃烧信号进行小波包分解，判断当前燃烧室内燃烧的稳定性，从而做出相应的指令以 保证机组正常、稳定、安全的运行。
[0005] 为实现上述目的，本发明采用的技术方案如下： 一种基于小波包分解的燃气轮机燃烧信号分析方法，其特征在于：使用传感器多通道 采集燃烧信号，对采集的燃烧信号进行滤波、放大后经FPGA模块传送至CPU处理器，在CPU 处理器内搭建小波包分解算法分频段地对燃烧信号进行分析，然后将分析结果分别传送至 人机界面和控制系统。
[0006] 所述小波包分解算法包括以下步骤： (a) 、根据燃烧信号中的采样频率fa和最小频率分辨率Μ^βι，通过公式确定 小波包分解的层数η，小波包分解后在第η层对应的节点数为F ; (b) 、根据燃烧信号确定的分解层数η，对燃烧信号进行小波包分解，并对每层分解的节 点进行编号，将确定的最大频率解析范围G -fs/2作为起始节点（〇, 〇)，进而分解为（1，〇)和 (1，1)，而后继续依次将其余节点进行分解，以此类推直到（11，0)、（11，1)-(11，2 :1-1); (c) 、根据燃烧信号的特征频带和最小频率分辨率，通过小波函数对燃烧信号进行分 解，确定特征频带所对应的频段数目和对应编号； (d) 、对（c)步骤所确定的特征频带和隶属于该特征频带各节点的燃烧信号进行小波重 构，从而获得特征频带中每一频率分量的小波重构结果，进而求得在此特征频带上，其重构 均方根幅值的最大值所对应的特征频率点； (e) 、当特征频率点所对应的幅值超过该特征频率点所在特征频带的上限，则通过通讯 接口分别将特征频率点及其对应幅值传送至人机界面报警和传送至控制系统进行燃烧调 整，使这一特征频率点的脉动降低至上限范围内。
[0007] 所述步骤（a)中，当对燃烧信号进行小波包分解层数为η时，解析到的最小频率分 辨率是焉^: =_;fs/2K_，解析到的最大频率分辨率为= fs/2。
[0008] 所述步骤（b)中对燃烧信号的分解包括0- 500HZ的频率解析和5〇0- 5000HZ的 频率解析，对燃烧信号〇 - 500HZ的频率解析在最小频率分辨率Δ?3 =1HZ下进行，其对应的 小波包分解层数为12 ;对燃烧信号500-5000HZ的频率解析在频率分辨率A4 = 10HZ下进 行，其对应的小波包分解层数为9,并调换小波包分解在第9层和第12层的各个频带节点的 顺序，消除频谱混叠。
[0009] 所述步骤（c)中的小波函数为db02小波函数。
[0010] 采用本发明的优点在于： 一、本发明中，通过FPGA模块能够精确定时多通道燃烧信号采样频率，实现燃气轮机 燃烧数据(压力波动）的多通道实时采集；通过分频段的实时小波包分解算法，对燃气轮机 燃烧信号进行解析，求取其可能对燃烧室内壁各部位造成损伤的特征频点及其上限值，通 过在多频率分辨率下解析燃烧信号，有效的提高了对于非稳定燃烧信号的检测精度。通过 人机界面能够对燃气轮机的燃烧状态实时监视，通过控制系统能够根据采集的信号做出相 应的指令以保证机组正常、稳定、安全的运行。另外，小波变换在时域和频域同时具有良好 的局部化性质，而且由于对高频成分采用逐渐精细的时域或频域取样步长，从而可以聚焦 到燃烧信号的任何细节，所以其在分析非稳定燃烧信号中显示了无可比拟的优越性。小波 包变换建立在小波变换的基础上，实现频带均匀划分的同时避免了高频信号检测精度低的 问题，提高了信号检测精度。
[0011] 二、本发明中，所述步骤（b)中对燃烧信号的分解包括〇 - 500HZ的频率解析和 500- 5〇OOHZ的频率解析，对燃烧信号〇 - 500HZ的频率解析在最小频率分辨率鴻=1HZ下 进行，其对应的小波包分解层数为12 ;对燃烧信号5〇〇 - 5〇〇〇HZ的频率解析在频率分辨率 Δ?2 = 10HZ下进行，其对应的小波包分解层数为9,并调换小波包分解在第9层和第12层 的各个频带节点的顺序，消除频谱混叠。这样既保证了对高频分量在低频率分辨率下的解 析，又保证了低频分量在高频率分辨率下的解析，减小了数据运算量的同时，降低了 CPU的 负荷。
[0012] 三、本发明中，由于小波分析中用到的小波函数没有唯一性，由此带来的问题是使 用不同的小波基分析同一个问题会产生不同的结果，但目前没有一个选择最优小波基的同 一方法，而主要是通过小波分析方法处理信号的结果与理论分析结果的误差来判定小波基 的好坏，由此来选定小波基。通过对大量燃气轮机燃烧信号的分析，结果验证采用db02小 波函数对燃烧信号的分析精度最高。
【专利附图】
【附图说明】
[0013] 附图1是燃气轮机模块化燃烧信号分析方法； 附图2是燃气轮机燃烧信号小波包分解流程图。
【具体实施方式】
[0014] 图1是燃气轮机模块化燃烧信号分析方法实施方案，包括CPU处理器、输入/输出 模块、FPGA模块、通讯模块、传感器、信号调理器、人机界面和控制系统，首先使用传感器多 通道采集燃烧信号，采集到的燃烧信号经信号调理器进行滤波、放大后，由FPGA模块实时、 调整采集，被采集到的燃烧数据通过PCI总线传送至CPU处理器，CPU处理器为实时操作系 统，在其内部搭建小波包分解算法分频段地对燃烧信号进行分析，在分析结果中，其数据分 为控制数据和显示数据，显示数据以以太网通讯方式传送至人机界面进行监视，控制数据 以串口通讯的方式传送至控制系统进行综合处理，参与燃烧调整。通过对燃气轮机燃烧信 号多通道采集，时一频分析，获取燃气轮机燃烧室内压力波动的上限值及其对应的特征频 点，从而做出快速、有效的预测判断，进而进行燃烧调整，保障燃气轮机的稳定燃烧。其中， 输入/输出模块与传感器配合实现对燃气轮机燃烧信号的多通道实时采集，FPGA模块通过 精确定时控制燃烧信号的采样频率/ s和采样点数N，通讯模块用于燃气轮机燃烧信号解析 结果与外围设备的数据交互。
[0015] 图2是燃气轮机燃烧数据小波包分解算法流程图，其具体步骤如下： (a)、一方面根据燃气轮机燃烧信号的历史数据，确定用于解析燃气轮机燃烧信号的最 大频率解析范围to 、最大采样频率fs 2 、最小频率分辨率Δζ^η和上限阈值iLARMy ;另一方面，通过认知燃气轮机燃烧信号的最大频率解析范围，确定燃烧信号的采样频率A、 采样点数N、多频率分辨率Δ| s )和軋（--η ?； g Afmas)，其中鸪< 。根据燃烧信号中的采样频率ζ和最小频率分辨率Mmitl，通过公式确定小波包 分解的层数n，小波包分解后在第η层对应的节点数为F。低频分量的解析范围是0ΗΖ- 500ΗΖ，高频分量解析范围是500ΗΖ - 5000ΗΖ。
[0016] (b)、根据燃烧信号确定的分解层数η，对燃烧信号进行小波包分解，并对每层分解 的节点进行编号，将确定的最大频率解析范围β 作为起始节点（〇, 〇)，进而分解为高 频频段（1，0)和低频频段（1,1),而后继续依次将其余节点分高频频段和低频频段进行分 解，以此类推直到（η，〇)、（η，1)-(η，2.-3)。
[0017] (c)、根据燃烧信号的特征频带和最小频率分辨率，通过db02小波函数对燃烧信 号进行分解，确定特征频带所对应的频段数目和对应编号；例如在采样频率4 = 10210? N = 1024的情况下，通过特定的db〇2小波函数对燃烧信号进行12层分解，同时确定对于 燃烧信号的低频分量（0- 500HZ)在最小频率分辨率顯=1HZ下进行解析，即位于小波包分 解节点的12层，其节点编号从（12,〇) -（12,499);高频分量（500-5〇〇〇取）在频率分 辨率Δ?1: = 10HZ的下进行解析，即位于小波包分解节点的第9层，其节点编号从（9,5〇) - (9,499)，调换小波包分解在第9层和第12层的各个频带节点的顺序，消除频谱混叠，达 到正确的频带划分效果。从而实现对燃气轮机燃烧信号的多分辨率分析。如表1所示：
【权利要求】
1. 一种基于小波包分解的燃气轮机燃烧信号分析方法，其特征在于：使用传感器多通 道采集燃烧信号，对采集的燃烧信号进行滤波、放大后经FPGA模块传送至CPU处理器，在 (PU处理器内搭建小波包分解算法分频段地对燃烧信号进行分析，然后将分析结果分别传 送至人机界面和控制系统。
2. 如权利要求1所述的基于小波包分解的燃气轮机燃烧信号分析方法，其特征在于所 述小波包分解算法包括以下步骤： (a) 、根据燃烧信号中的采样频率和最小频率分辨率其^，通过公式Af= 确定 小波包分解的层数n，小波包分解后在第η层对应的节点数为P ; (b) 、根据燃烧信号确定的分解层数η，对燃烧信号进行小波包分解，并对每层分解的节 点进行编号，将确定的最大频率解析范围〇 - :V+2作为起始节点（0,0)，进而分解为（1，0)和 (1，1)，而后继续依次将其余节点进行分解，以此类推直到（11，〇)、（11，1),,,(11，^1); (c) 、根据燃烧信号的特征频带和最小频率分辨率，通过小波函数对燃烧信号进行分 解，确定特征频带所对应的频段数目和对应编号； (d) 、对（c)步骤所确定的特征频带和隶属于该特征频带各节点的燃烧信号进行小波重 构，从而获得特征频带中每一频率分量的小波重构结果，进而求得在此特征频带上，其重构 均方根幅值的最大值所对应的特征频率点； (e) 、当特征频率点所对应的幅值超过该特征频率点所在特征频带的上限，则通过通讯 接口分别将特征频率点及其对应幅值传送至人机界面报警和传送至控制系统进行燃烧调 整，使这一特征频率点的脉动降低至上限范围内。
3. 如权利要求2所述的基于小波包分解的燃气轮机燃烧信号分析方法，其特征在于： 所述步骤（a)中，当对燃烧信号进行小波包分解层数为η时，解析到的最小频率分辨率是 氣，=f=/25?'-,解析到的最大频率分辨率为= fs/2。 iu-efmlene ?ν 1 ?期嫌 b
4. 如权利要求2所述的基于小波包分解的燃气轮机燃烧信号分析方法，其特征在于： 所述步骤（b)中对燃烧信号的分解包括0- 500HZ的频率解析和500- 5000HZ的频率解析， 对燃烧信号〇 - 500HZ的频率解析在最小频率分辨率=1HZ下进行，其对应的小波包分解 层数为12 ;对燃烧信号500- 5000HZ的频率解析在频率分辨率= 10HZ下进行，其对应 的小波包分解层数为9,并调换小波包分解在第9层和第12层的各个频带节点的顺序，消除 频谱混叠。
5. 如权利要求2所述的基于小波包分解的燃气轮机燃烧信号分析方法，其特征在于： 所述步骤（c)中的小波函数为db02小波函数。
【文档编号】F02C9/00GK104298879SQ201410542171
【公开日】2015年1月21日 申请日期:2014年10月15日 优先权日:2014年10月15日
【发明者】刘炯, 闵泽生, 郑婷 申请人:四川东方电气自动控制工程有限公司