基于變分模態(tài)分解的水泵水輪機(jī)暫態(tài)過(guò)程流激振動(dòng)信號(hào)分析1)

鄭祥豪 張宇寧, 張 梁 李金偉

*(華北電力大學(xué)電站能量傳遞轉(zhuǎn)化與系統(tǒng)教育部重點(diǎn)實(shí)驗(yàn)室,北京 102206)

?(雅礱江流域水電開(kāi)發(fā)有限公司,成都 610056)

**(中國(guó)水利水電科學(xué)研究院,北京 100048)

隨著我國(guó)抽水蓄能行業(yè)的快速發(fā)展,越來(lái)越多高參數(shù)的水泵水輪機(jī)投入使用[1-2]。不同于其他類(lèi)型的水輪機(jī),水泵水輪機(jī)的運(yùn)行水頭和轉(zhuǎn)速均較高,并且在設(shè)計(jì)過(guò)程中需要兼顧抽水和發(fā)電兩種工況下的性能,因此水泵水輪機(jī)的動(dòng)靜干涉作用十分顯著。這種類(lèi)型的動(dòng)靜干涉作用是指,在轉(zhuǎn)輪旋轉(zhuǎn)過(guò)程中,當(dāng)流體流經(jīng)旋轉(zhuǎn)葉輪與靜止的活動(dòng)導(dǎo)葉之間的無(wú)葉區(qū)時(shí),由轉(zhuǎn)輪葉片引起的旋轉(zhuǎn)流跟活動(dòng)導(dǎo)葉尾端引起的水流擾動(dòng)之間的相互作用所引發(fā)的異常壓力脈動(dòng)及其傳播過(guò)程中所激發(fā)的振動(dòng)現(xiàn)象。由于大部分水泵水輪機(jī)需要承擔(dān)電網(wǎng)調(diào)峰以及配合新能源并網(wǎng)的任務(wù),因此需要頻繁地經(jīng)歷啟動(dòng)和停機(jī)等一系列暫態(tài)過(guò)程[3]。在這些暫態(tài)過(guò)程中,機(jī)組受到由流體動(dòng)力激發(fā)的振動(dòng)顯著增強(qiáng),這對(duì)于機(jī)組的安全穩(wěn)定運(yùn)行來(lái)說(shuō)是一大考驗(yàn)。水泵水輪機(jī)發(fā)電工況停機(jī)暫態(tài)過(guò)程是指停機(jī)指令發(fā)出后,機(jī)組從電網(wǎng)解列,隨后導(dǎo)葉快速關(guān)閉以及轉(zhuǎn)速逐漸減小的過(guò)程。在該暫態(tài)過(guò)程中,從機(jī)組采集到的振動(dòng)信號(hào)屬于非穩(wěn)態(tài)振動(dòng)信號(hào),通過(guò)振動(dòng)信號(hào)的時(shí)頻分析能夠得到機(jī)組在經(jīng)歷不同轉(zhuǎn)速區(qū)時(shí)的振動(dòng)幅度和流激頻率信息。機(jī)組能否按照計(jì)劃正常停機(jī),是影響整個(gè)電站運(yùn)行安全的直接因素,因此研究水泵水輪機(jī)發(fā)電工況停機(jī)暫態(tài)過(guò)程的振動(dòng)信號(hào)具有非常重要的工程意義。

由于在水泵水輪機(jī)發(fā)電工況停機(jī)暫態(tài)過(guò)程中所采集到的振動(dòng)信號(hào)具有較強(qiáng)的時(shí)變特征,傳統(tǒng)的快速傅里葉變換已經(jīng)不能滿(mǎn)足分析要求。目前用于信號(hào)時(shí)頻分析的方法主要包括短時(shí)傅里葉變換、小波變換、希爾伯特?黃變換等[4]。其中,作為希爾伯特?黃變換的核心思想,經(jīng)驗(yàn)?zāi)B(tài)分解能夠?qū)崿F(xiàn)對(duì)信號(hào)的自適應(yīng)分解以及擁有較高的時(shí)頻分辨率,被認(rèn)為是非穩(wěn)態(tài)信號(hào)分析領(lǐng)域的重要突破[5]。目前已有較多文獻(xiàn)使用經(jīng)驗(yàn)?zāi)B(tài)分解對(duì)水電機(jī)組領(lǐng)域的工程信號(hào)進(jìn)行了研究。張飛等[6]使用經(jīng)驗(yàn)?zāi)B(tài)分解分析了水電機(jī)組甩負(fù)荷暫態(tài)過(guò)程中上導(dǎo)軸心的運(yùn)動(dòng)軌跡。薛延剛等[7]使用經(jīng)驗(yàn)?zāi)B(tài)分解和希爾伯特時(shí)頻譜圖識(shí)別出了水電機(jī)組空化信號(hào)的主要頻率成分。然而,由于在水泵水輪機(jī)發(fā)電工況停機(jī)暫態(tài)過(guò)程中,導(dǎo)葉開(kāi)度與機(jī)組轉(zhuǎn)速變化范圍較大,信號(hào)中的流激頻率時(shí)變特征較強(qiáng),若使用經(jīng)驗(yàn)?zāi)B(tài)分解對(duì)其進(jìn)行分析,會(huì)出現(xiàn)模態(tài)混疊與產(chǎn)生虛假分量等問(wèn)題。因此迫切需要使用更為先進(jìn)的信號(hào)分析方法,以更加精確地提取信號(hào)中的時(shí)頻特征。

針對(duì)上述經(jīng)驗(yàn)?zāi)B(tài)分解中存在的問(wèn)題,Dragomiretskiy 等[8]提出了變分模態(tài)分解。相比經(jīng)驗(yàn)?zāi)B(tài)分解,變分模態(tài)分解能夠更為有效地提取信號(hào)中的不同頻率成分,且分解出來(lái)的模態(tài)函數(shù)分量具有較強(qiáng)的物理意義。于曉東等[9]使用變分模態(tài)分解以及排列熵對(duì)水電機(jī)組振動(dòng)信號(hào)進(jìn)行了降噪研究,取得了良好的效果。付文龍等[10]使用奇異值分解結(jié)合變分模態(tài)分解的方法對(duì)水電機(jī)組擺度信號(hào)進(jìn)行了降噪研究,發(fā)現(xiàn)其降噪效果要優(yōu)于經(jīng)驗(yàn)?zāi)B(tài)分解。

本文使用變分模態(tài)分解對(duì)水泵水輪機(jī)發(fā)電工況停機(jī)暫態(tài)過(guò)程頂蓋振動(dòng)信號(hào)進(jìn)行了分解,得到了若干個(gè)本征模態(tài)函數(shù)分量IMF(intrinsic mode function),并使用希爾伯特時(shí)頻變換對(duì)上述模態(tài)函數(shù)分量進(jìn)行時(shí)頻分析,最后獲得了高分辨率的信號(hào)時(shí)頻圖。該方法有效地改善了經(jīng)驗(yàn)?zāi)B(tài)分解中存在的模態(tài)混疊現(xiàn)象,能夠更為明顯地觀(guān)察到暫態(tài)過(guò)程振動(dòng)信號(hào)中主要由流體動(dòng)力激發(fā)的頻率成分和相對(duì)應(yīng)的時(shí)間信息,非常適用于水泵水輪機(jī)發(fā)電工況停機(jī)暫態(tài)過(guò)程非穩(wěn)態(tài)振動(dòng)信號(hào)的時(shí)頻分析。

1 基本原理介紹

1.1 經(jīng)驗(yàn)?zāi)B(tài)分解算法

經(jīng)驗(yàn)?zāi)B(tài)分解算法的主要步驟如下[5]：首先,使用三次樣條函數(shù)對(duì)信號(hào)中包含的所有極大、極小值點(diǎn)分別進(jìn)行插值擬合,得到信號(hào)的上、下包絡(luò)線(xiàn),并計(jì)算二者的均值曲線(xiàn)。其次,計(jì)算原始信號(hào)與均值曲線(xiàn)的差值,由于第一次計(jì)算的差值通常不是一個(gè)標(biāo)準(zhǔn)的模態(tài)函數(shù)分量IMF,因此需要重復(fù)多次計(jì)算該差值,直到差值滿(mǎn)足篩分停止的條件,此時(shí)得到的第一個(gè)模態(tài)函數(shù)分量簡(jiǎn)稱(chēng)為IMF1。之后,對(duì)剩余的信號(hào)再次按照上述步驟進(jìn)行處理,直至得到全部的模態(tài)函數(shù)分量IMF和最終的信號(hào)殘差成分。

1.2 變分模態(tài)分解算法

變分模態(tài)分解算法的主要步驟如下[8]：首先,將各個(gè)模態(tài)函數(shù)分量定義為調(diào)頻、調(diào)幅信號(hào),且各個(gè)模態(tài)函數(shù)分量的頻帶是有限并且是相互分離的。其次,借助希爾伯特變換、信號(hào)頻移特性、高斯平滑解調(diào)信號(hào)的方法構(gòu)造變分約束問(wèn)題,以求得各個(gè)模態(tài)函數(shù)分量的頻帶寬度。之后,引入二次懲罰因子和拉格朗日乘子,并使用乘法算子交替方向法和帕塞瓦爾傅里葉等距變換得到各個(gè)模態(tài)函數(shù)分量的頻帶寬度、中心頻率和拉格朗日乘子的更新信息。最后,當(dāng)求解過(guò)程滿(mǎn)足求解精度時(shí),停止迭代運(yùn)算并輸出若干個(gè)模態(tài)函數(shù)分量,并使用傅里葉逆變換將各個(gè)模態(tài)函數(shù)分量IMF從頻域轉(zhuǎn)化為時(shí)域。

關(guān)于變分模態(tài)分解算法中的參數(shù)設(shè)置,本文選取預(yù)分解的模態(tài)函數(shù)分量的數(shù)量為7,二次懲罰因子為2000,判別精度為10?7,噪聲容忍度為0。

1.3 希爾伯特時(shí)頻分析原理

希爾伯特時(shí)頻分析的主要步驟如下[5]。首先,對(duì)信號(hào)分解后的各個(gè)模態(tài)函數(shù)分量進(jìn)行希爾伯特變換,并構(gòu)造各個(gè)模態(tài)函數(shù)分量的解析信號(hào)。其次,對(duì)各個(gè)解析信號(hào)的相位進(jìn)行時(shí)間求導(dǎo)進(jìn)而得到各個(gè)模態(tài)函數(shù)分量的瞬時(shí)頻率信息。之后,將上述結(jié)果表示在時(shí)間?頻率的二維平面上,得到了各個(gè)模態(tài)函數(shù)分量的希爾伯特幅值譜。最后,將分解的所有模態(tài)函數(shù)分量的希爾伯特幅值譜展示在同一個(gè)時(shí)頻譜圖里,便得到了整個(gè)完整信號(hào)的希爾伯特時(shí)頻譜圖。

2 實(shí)驗(yàn)概況與無(wú)量綱參數(shù)

2.1 水泵水輪機(jī)基本參數(shù)

本次實(shí)驗(yàn)基于國(guó)內(nèi)某水泵水輪機(jī)開(kāi)展,該機(jī)組的基本參數(shù)如表1 所示。

表1 本文所使用的國(guó)內(nèi)某水泵水輪機(jī)基本參數(shù)Table 1 The essential parameters of the pump turbine in China adopted in the present paper

2.2 本文所使用的無(wú)量綱參數(shù)

為了便于后續(xù)分析,本文中將轉(zhuǎn)速n和運(yùn)行負(fù)荷P進(jìn)行無(wú)量綱化。“*” 代表無(wú)量綱后的符號(hào),n*表示將機(jī)組實(shí)際轉(zhuǎn)速n與機(jī)組額定轉(zhuǎn)速nrated進(jìn)行無(wú)量綱后的結(jié)果,P*表示將機(jī)組實(shí)際運(yùn)行負(fù)荷P與額定輸出功率Prated進(jìn)行無(wú)量綱后的結(jié)果。

2.3 實(shí)驗(yàn)工況說(shuō)明

頂蓋測(cè)點(diǎn)位于機(jī)組正上方,靠近流道,其振動(dòng)容易受到機(jī)組內(nèi)部復(fù)雜流動(dòng)的影響,屬于水泵水輪機(jī)典型的振動(dòng)測(cè)點(diǎn)之一。本次實(shí)驗(yàn)過(guò)程概況如下,機(jī)組先是穩(wěn)定運(yùn)行在無(wú)量綱負(fù)荷P*= 52% 左右。隨后停機(jī)指令發(fā)出,機(jī)組與電網(wǎng)解列,活動(dòng)導(dǎo)葉開(kāi)度與機(jī)組有功功率均快速降為0。與此同時(shí),在機(jī)組轉(zhuǎn)速逐漸下降的過(guò)程中,使用低頻速度輸出振動(dòng)傳感器采集了頂蓋X方向的振動(dòng)信號(hào),信號(hào)的采樣頻率為1000 Hz。為了便于后續(xù)分析,本文截取完整振動(dòng)信號(hào)中的一段(時(shí)長(zhǎng)16 s) 進(jìn)行研究,該段信號(hào)對(duì)應(yīng)的實(shí)測(cè)機(jī)組無(wú)量綱轉(zhuǎn)速變化如圖1 所示,機(jī)組無(wú)量綱轉(zhuǎn)速n*大約從54.7% 下降到49.9%。

圖1 水泵水輪機(jī)發(fā)電工況停機(jī)暫態(tài)過(guò)程無(wú)量綱轉(zhuǎn)速n*變化曲線(xiàn)Fig.1 The variation curve of the dimensionless rotational speed (n*) of the pump turbine during the transient process of shutdown from the generating mode

3 水泵水輪機(jī)流激振動(dòng)信號(hào)時(shí)頻分析

3.1 信號(hào)時(shí)域圖與快速傅里葉變換頻譜圖

圖2為國(guó)內(nèi)某水泵水輪機(jī)發(fā)電工況停機(jī)暫態(tài)過(guò)程頂蓋X方向的振動(dòng)信號(hào)時(shí)域圖以及快速傅里葉變換(fast Fourier transform, FFT) 頻譜圖,振動(dòng)信號(hào)時(shí)域圖能夠反映出振動(dòng)幅值隨時(shí)間的變化情況,FFT 頻譜圖能夠反映出振動(dòng)信號(hào)中所包含的所有頻率成分和相對(duì)應(yīng)的幅值信息?？梢杂^(guān)察到,在停機(jī)過(guò)程中,振動(dòng)時(shí)域信號(hào)的峰峰值不斷減小。當(dāng)時(shí)間t= 0～1 s 范圍內(nèi)時(shí),97% 置信區(qū)間內(nèi)信號(hào)的混頻雙峰峰值為2.18 mm/s,而當(dāng)時(shí)間t= 15～16 s范圍內(nèi)時(shí),97% 置信區(qū)間內(nèi)信號(hào)的混頻雙峰峰值為0.68 mm/s,表明整體的振動(dòng)幅值逐漸減小。另外,FFT 頻譜圖中信號(hào)主頻約為f=69.06 Hz,幅值約為0.10 mm/s,但由于FFT 只能從頻域的角度分析信號(hào),無(wú)法顯示出各個(gè)頻率相對(duì)應(yīng)的時(shí)間信息,因此該頻率的來(lái)源還需進(jìn)一步采用經(jīng)驗(yàn)?zāi)B(tài)分解、變分模態(tài)分解和希爾伯特時(shí)頻圖等方法來(lái)確定。

圖2 水泵水輪機(jī)發(fā)電工況停機(jī)暫態(tài)過(guò)程頂蓋X 方向振動(dòng)信號(hào)Fig.2 The vibrational signal in the X direction of top cover of the pump turbine during the transient process of shutdown from the generating mode

3.2 經(jīng)驗(yàn)?zāi)B(tài)分解分析結(jié)果

對(duì)水泵水輪機(jī)停機(jī)暫態(tài)過(guò)程頂蓋X方向振動(dòng)信號(hào)進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解分析,結(jié)果如圖3 所示,一共分解得到了10 個(gè)模態(tài)函數(shù)分量IMF1～I(xiàn)MF10和1 個(gè)信號(hào)殘差成分。圖3(a) 為經(jīng)驗(yàn)?zāi)B(tài)分解分析得到的10 個(gè)模態(tài)函數(shù)分量和1 個(gè)信號(hào)殘差成分的時(shí)域波形圖,圖3(b) 表示10 個(gè)模態(tài)函數(shù)分量和1 個(gè)信號(hào)殘差成分的FFT 頻譜圖。

從圖3 可以觀(guān)察到,經(jīng)驗(yàn)?zāi)B(tài)分解分析結(jié)果中的第一個(gè)模態(tài)函數(shù)分量IMF1與第二個(gè)模態(tài)函數(shù)分量IMF2中同時(shí)出現(xiàn)了約為f=69.06 Hz 的主頻成分。并且,第二個(gè)模態(tài)函數(shù)分量IMF2中同時(shí)存在約為f=69.06 Hz 的主頻成分和其他小于f=69.06 Hz 的隨機(jī)頻率成分。上述兩種現(xiàn)象均屬于經(jīng)驗(yàn)?zāi)B(tài)分解的模態(tài)混疊問(wèn)題,因此該主頻成分(約為f=69.06 Hz)不能被有效單獨(dú)提取。

3.3 變分模態(tài)分解分析結(jié)果

對(duì)水泵水輪機(jī)發(fā)電工況停機(jī)暫態(tài)過(guò)程頂蓋X方向振動(dòng)信號(hào)進(jìn)行變分模態(tài)分解分析,結(jié)果如圖4 所示,一共分解得到了7 個(gè)模態(tài)函數(shù)分量IMF1～I(xiàn)MF7。類(lèi)似地,圖4(a) 為變分模態(tài)分解分析得到的7 個(gè)模態(tài)函數(shù)分量的時(shí)域波形圖,圖4(b) 表示7個(gè)模態(tài)函數(shù)分量的FFT 頻譜圖。

從圖4 可以觀(guān)察到,變分模態(tài)分解分析結(jié)果中約為f= 69.06 Hz 的主頻成分被有效地分解到了第二個(gè)模態(tài)函數(shù)分量IMF2中,有效避免了經(jīng)驗(yàn)?zāi)B(tài)分解中存在的模態(tài)混疊問(wèn)題,提高了信號(hào)分解時(shí)的精度,減少了其他無(wú)用頻率對(duì)主頻的干擾,對(duì)識(shí)別機(jī)組的運(yùn)行狀態(tài)起到了非常重要的作用。

3.4 基于經(jīng)驗(yàn)?zāi)B(tài)分解和變分模態(tài)分解的希爾伯特時(shí)頻分析結(jié)果對(duì)比

在圖3 的經(jīng)驗(yàn)?zāi)B(tài)分解分析結(jié)果和圖4 的變分模態(tài)分解分析結(jié)果中,只是確定了分解得到的各個(gè)模態(tài)函數(shù)分量IMF中的頻率成分,暫時(shí)還無(wú)法觀(guān)察到每種頻率所對(duì)應(yīng)的時(shí)間信息。下面使用希爾伯特時(shí)頻變換對(duì)各個(gè)IMF進(jìn)行分析,并將所有IMF的時(shí)頻信息集合在同一個(gè)希爾伯特時(shí)頻譜圖中,以便于觀(guān)察整個(gè)信號(hào)中的時(shí)頻分布特征。

圖3 水泵水輪機(jī)發(fā)電工況停機(jī)暫態(tài)過(guò)程頂蓋X 方向振動(dòng)信號(hào)經(jīng)驗(yàn)?zāi)B(tài)分解分析結(jié)果Fig.3 The analysis results of empirical mode decomposition of the vibrational signal in the X direction of top cover of the pump turbine during the transient process of shutdown from the generating mode

圖4 水泵水輪機(jī)發(fā)電工況停機(jī)暫態(tài)過(guò)程頂蓋X 方向振動(dòng)信號(hào)變分模態(tài)分解分析結(jié)果Fig.4 The analysis results of variational mode decomposition of the vibrational signal in the X direction of top cover of the pump turbine during the transient process of shutdown from the generating mode

圖5和圖6 分別展示了基于水泵水輪機(jī)停機(jī)暫態(tài)過(guò)程頂蓋X方向振動(dòng)信號(hào)經(jīng)驗(yàn)?zāi)B(tài)分解和變分模態(tài)分解分析結(jié)果的希爾伯特時(shí)頻圖。可以觀(guān)察到,由于經(jīng)驗(yàn)?zāi)B(tài)分解結(jié)果中存在較為明顯的模態(tài)混疊現(xiàn)象,因此基于經(jīng)驗(yàn)?zāi)B(tài)分解的希爾伯特時(shí)頻圖中頻率分布混亂。例如,在時(shí)間t=0～8 s 時(shí)間段內(nèi),雖然在f=69.06 Hz 附近(f=40～100 Hz 范圍),時(shí)頻譜圖顏色較深,但無(wú)法觀(guān)察到較為清晰的頻率變化規(guī)律。另外,從右側(cè)用來(lái)表示幅值變化的顏色表可以看出,時(shí)頻圖中的最高幅值超過(guò)了3 mm/s。結(jié)合圖2 中的時(shí)域波形來(lái)看,該結(jié)果明顯不太符合實(shí)際。而基于變分模態(tài)分解的希爾伯特時(shí)頻圖中信號(hào)主頻率變化規(guī)律清晰(主頻大約由f= 70.33 Hz 降至64.16 Hz),頻率能量較為集中。結(jié)合該過(guò)程轉(zhuǎn)速變化情況(無(wú)量綱轉(zhuǎn)速n*大約由54.7%降至49.9%),可以計(jì)算并判斷出該過(guò)程的頂蓋振動(dòng)主頻為2 倍的葉片過(guò)流頻率,表明此時(shí)的頂蓋振動(dòng)與旋轉(zhuǎn)葉輪與靜止的活動(dòng)導(dǎo)葉間的流體異常流動(dòng)密切相關(guān)。此外,在基于變分模態(tài)分解的希爾伯特時(shí)頻圖的低頻段(f <5 Hz) 能夠觀(guān)察到低頻成分,表明此時(shí)機(jī)組內(nèi)部流態(tài)較為紊亂,可能存在不穩(wěn)定的渦和回流等現(xiàn)象。同時(shí),從右側(cè)用來(lái)表示幅值變化的顏色表可以看出,基于變分模態(tài)分解的希爾伯特時(shí)頻圖中的最高幅值約為1.1 mm/s,結(jié)合圖2 中的時(shí)域波形來(lái)看,該結(jié)果較為合理。

圖5 基于水泵水輪機(jī)發(fā)電工況停機(jī)暫態(tài)過(guò)程頂蓋X 方向振動(dòng)信號(hào)經(jīng)驗(yàn)?zāi)B(tài)分解分析結(jié)果的希爾伯特時(shí)頻圖Fig.5 The Hilbert spectrum based on the analysis results of empirical mode decomposition of the vibrational signal in the X direction of top cover of the pump turbine during the transient process of shutdown from the generating mode

圖6 基于水泵水輪機(jī)發(fā)電工況停機(jī)暫態(tài)過(guò)程頂蓋X 方向振動(dòng)信號(hào)變分模態(tài)分解分析結(jié)果的希爾伯特時(shí)頻圖Fig.6 The Hilbert spectrum based on the analysis results of variational mode decomposition of the vibrational signal in the X direction of top cover of the pump turbine during the transient process of shutdown from the generating mode

為了進(jìn)一步確定頂蓋振動(dòng)主頻(2 倍的葉片過(guò)流頻率)的來(lái)源,這里結(jié)合水泵水輪機(jī)動(dòng)靜干涉引起的水力激振模式[11-13]的計(jì)算公式(k=mB?nG,其中m和n為任意整數(shù),B為轉(zhuǎn)輪葉片數(shù),G為活動(dòng)導(dǎo)葉數(shù),k為節(jié)徑)?？梢园l(fā)現(xiàn)當(dāng)m=2,n=1,k=?2時(shí)公式成立,且滿(mǎn)足k的絕對(duì)值達(dá)到最小值2,因此根據(jù)節(jié)徑模式理論可以判斷出該主頻(m倍的葉片過(guò)流頻率,此處m=2)為旋轉(zhuǎn)葉輪與靜止的活動(dòng)導(dǎo)葉之間的動(dòng)靜干涉頻率。因此,水泵水輪機(jī)發(fā)電工況停機(jī)暫態(tài)過(guò)程中頂蓋X方向振動(dòng)主要是由于旋轉(zhuǎn)葉輪與靜止的活動(dòng)導(dǎo)葉之間的動(dòng)靜干涉作用而引起的流體異常壓力脈動(dòng)在過(guò)流部件中傳播所導(dǎo)致的。同時(shí),由于機(jī)組停機(jī)過(guò)程中水流量逐步減小,因此旋轉(zhuǎn)葉輪與靜止的活動(dòng)導(dǎo)葉之間的動(dòng)靜干涉作用也逐漸減弱,時(shí)頻圖中表現(xiàn)為由其引起的同頻率振動(dòng)幅值也逐漸減小。

4 結(jié)論

本文基于經(jīng)驗(yàn)?zāi)B(tài)分解、變分模態(tài)分解以及希爾伯特時(shí)頻分析法對(duì)國(guó)內(nèi)某水泵水輪機(jī)發(fā)電工況停機(jī)暫態(tài)過(guò)程中的頂蓋振動(dòng)信號(hào)進(jìn)行了研究。本文的主要結(jié)論如下。

(1)相比經(jīng)驗(yàn)?zāi)B(tài)分解和變分模態(tài)分解能夠更為精準(zhǔn)地提取水泵水輪機(jī)發(fā)電工況停機(jī)暫態(tài)過(guò)程頂蓋振動(dòng)信號(hào)中的主要特征頻率成分,有效避免經(jīng)驗(yàn)?zāi)B(tài)分解結(jié)果中存在的模態(tài)混疊現(xiàn)象。

(2)相比經(jīng)驗(yàn)?zāi)B(tài)分解,從基于變分模態(tài)分解的希爾伯特時(shí)頻圖中能夠更為清晰地觀(guān)察到水泵水輪機(jī)發(fā)電工況停機(jī)暫態(tài)過(guò)程頂蓋振動(dòng)信號(hào)中的時(shí)變特征情況,其主頻為動(dòng)靜干涉頻率,表明在該過(guò)程中頂蓋振動(dòng)主要是由于旋轉(zhuǎn)葉輪與靜止的活動(dòng)導(dǎo)葉之間的動(dòng)靜干涉作用而引起的流體異常壓力脈動(dòng)在過(guò)流部件中傳播所導(dǎo)致的。

(3) 一些復(fù)雜的低頻流動(dòng)(比如渦和回流等) 也同樣能夠引起頂蓋的振動(dòng),但相比于動(dòng)靜干涉,其貢獻(xiàn)較弱。