本发明涉及风力发电技术领域,尤其涉及一种风力发电机组振动监测信号降噪方法。
背景技术:
对风力发电机组的运行状态进行监测,是保证风力发电机组稳定运行,降低机组维护成本的有效方式。其中,风电机组的齿轮箱、轴系、发电机、叶片、电气系统、控制系统、偏航系统和变浆系统是重点监测对象。
目前常用的状态监测方法,除了控制系统自身带有的若干传感器监测自身的工作状态之外,还有振动信号监测、润滑油监测、温度监测等方法。其中利用振动信号进行状态监测是最为成熟、应用最为广泛的方法。振动信号主要由安装在风电机组不同部位处的振动传感器,如加速度传感器等采集得到。
现有的振动监测方法通常直接采用实测振动信号进行频谱分析、模态参数识别等处理,从而判断风机运行状态是否正常。然而,由于环境噪声的影响,实际采集的振动信号往往信噪比比较低,这会影响频谱分析、模态参数识别等的精度,从而影响风电机组运行状态判断的准确性。
技术实现要素:
为了克服现有技术的不足,本发明提供了一种风力发电机组振动监测信号降噪方法,克服实际采集的振动信号信噪比较低的问题,具有能够提高对风电机组运行状态判断的准确性的效果。
本发明采用下述技术方案:
一种风力发电机组振动监测信号降噪方法,包括以下步骤:
步骤(1)基于传感器实测的包含l个数据点的振动监测信号构建hankel矩阵hm×n,基于hankel矩阵hm×n得到一系列线性空间的基矩阵hs;
步骤(2)对hankel矩阵hm×n进行奇异值分解,得到正交矩阵u=[u1,...,um]∈rm×m、正交矩阵v=[v1,...,vn]∈rn×n和按降序排列的奇异值向量σi;
其中,r表示实数矩阵;
步骤(3)定义定阶指标moc,求定阶指标最大值,并将该最大值对应的阶次g作为模型的阶次;
步骤(4)构建新的奇异值向量σk,构建方程pi,s=hsvi,pi=σkui;
令
其中,i=1,...,n,s=1,...,m+n-1,k=1,...,n,k=i;
步骤(5)联立求解方程
步骤(6)基于求得的
步骤(7)设定收敛标准,如果满足收敛标准,则迭代停止,
否则以
进一步的,所述步骤(1)中,m≥n;若l为偶数,则
进一步的,所述步骤(1)中,s=1,2,...,m+n-1,即:
因此,hankel矩阵表示为
进一步的,所述步骤(2)中,按降序排列的奇异值向量σi,i=1,…2n,且
进一步的,hm×nvi=σiui,hm×ntui=σivi,其中,t代表矩阵的转置。
进一步的,所述步骤(3)中,
进一步的,所述步骤(4)中,σk={σ1,…,σg,σg+1,…,σn},其中σ1≥…≥σg>σg+1=…=σn=0。
进一步的,所述步骤(5)中,pi,s,qi,s,pi,qi均为已知。
进一步的,所述步骤(6)中,新的hankel矩阵
进一步的,所述步骤(7)中,收敛标准为
与现有技术相比,本发明的有益效果是:
(1)本发明解决了现有技术中实际采集的振动信号信噪比较低、影响频谱分析、模态参数识别等精度的问题,提高对风电机组运行状态判断的准确性;
(2)本发明经多次迭代收敛后得到降噪后的信号
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为本发明的实施例含噪信号与精确信号对比;
图2为本发明的实施例的定阶指标;
图3为本发明的实施例降噪信号与精确信号对比。
具体实施方式
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,本文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,现有技术中存在实际采集的振动信号信噪比较低,影响频谱分析、模态参数识别等精度的不足,为了解决如上的技术问题,本申请提出了一种风力发电机组振动监测信号降噪方法。
本申请的一种典型的实施方式中,提供了一种风力发电机组振动监测信号降噪方法,包括以下步骤:
步骤1:基于传感器实测的包含l个数据点的振动监测信号构建hankel矩阵hm×n,其中,m≥n;
若l为偶数,则
步骤2:基于hankel矩阵hm×n,可得到一系列线性空间的基矩阵hs,s=1,2,...,m+n-1,即:
因此,hankel矩阵hm×n可表示为:
其中,xs为系数向量,也即振动监测信号。
步骤3:对hankel矩阵hm×n进行奇异值分解,得到正交矩阵u=[u1,...,um]∈rm×m、v=[v1,...,vn]∈rn×n,其中r代表实数矩阵,以及按降序排列的奇异值向量σi,i=1,2,…,n,且σ1>σ2>σ3…>σn;
并有以下关系式:hm×nvi=σiui,hm×ntui=σivi;
其中,t表示矩阵的转置。
步骤4:定义定阶指标moc,其函数表达式为
其中,j表示阶次,j=1,2,…,n-1;
求定阶指标最大值,并将该最大值对应的阶次g作为模型的阶次,即信号中包含的振动频率阶数为
步骤5:构建新的奇异值向量σk={σ1,…,σg,σg+1,…,σn},
其中σ1≥…≥σg>σg+1=…=σn=0。
步骤6:构建方程pi,s=hsvi,pi=σkui,其中,i=1,...,n,s=1,...,m+n-1,k=1,...,n,k=i。令
同理,构建方程qi,s=hstui,qi=σkvi。令
步骤7:联立求解方程
其中,pi,s,qi,s,pi,qi均已知,利用最小二乘法容易求得
步骤8:基于求得的
步骤9:设定收敛标准
如果满足收敛标准,则迭代停止,
否则,以
本申请的另一实施方式中,由于风电机组各部位振动频率不尽相同,有高频,如发电机、齿轮箱等;有中频,如转子轴等;有低频,如风电机组的叶片、主轴等;因此,本申请通过数值模拟风电机组的振动监测信号,其中包含不同的频率成分及环境噪声;
模拟振动监测信号如下:
y(t)=s1(t)+s2(t)+s3(t)+s4(t)
其中,s1(t)=sin(4πt);s2(t)=5sin(30πt);s3(t)=2sin(120πt);s4(t)表示噪声水平为15%的高斯白噪声。
s1、s2、s3一起组成不含噪声的精确信号,s4的噪声水平定义为高斯白噪声的标准差与精确信号的标准差之比。
采样频率200hz,采样点数1024,图1为本实施方式中含噪信号与精确信号对比。
步骤1:以1024个数据点构建hankel矩阵h513×512。
步骤2:基于h513×512得到一系列线性空间的基矩阵hs,s=1,2,k,1024;
h513×512可表示为:
其中,xs即振动监测信号y(t)。
步骤3:对
步骤4:定义定阶指标moc,函数表达式为
求定阶指标最大值,如图2所示,最大值对应的阶次为6,即信号中包含的振动频率阶数为3。
步骤5:构建新的奇异值向量σk={σ1,…,σ6,σ7,…,σ512},
其中σ1≥…≥σ6>σ7=…=σ512=0。
步骤6:构建方程pi,s=hsvi,pi=σkui,其中,i=1,...,512,s=1,...,1024,k=1,...,512,k=i;
令
同理,构建方程qi,s=hstui,qi=σkvi;令
步骤7:联立求解方程
其中,pi,s,qi,s,pi,qi均已知,利用最小二乘法容易求得
步骤8:基于求得的
步骤9:设定收敛标准
如果满足收敛标准,则迭代停止,
经多次迭代收敛后,求得降噪后的信号
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。