李初輝，孔令超，董 懿，楊 賽，黃天雄

（中國長江電力股份有限公司，湖北 宜昌 443000）

0 引言

閘門用于關閉和開放泄水通道的控制設施，在水利水電行業(yè)起著重要的作用[1]。泄洪閘門在開放泄洪即有開度的情況下，常常會產生振動。水電站泄洪閘門常采用振動傳感器監(jiān)測閘門振動狀態(tài)，通過振動傳感器可以獲取不同狀態(tài)下的頻率特征[2,3]。因此有學者通過現(xiàn)場閘門流激振動參數(shù)檢測，提取了閘門振動狀態(tài)，進而分析并提出控制和消除強烈振動的措施[4]。然而閘門振動信號非常容易受到外部干擾[5]，外部干擾來源包括水流渦旋、水壓沖擊、附近施工或振動設備、水位變化等。這些因素影響了泄洪閘門的振動信號質量。因此在進行狀態(tài)判斷前，需要結合降噪方法處理振動信號。在水利水電振動信號降噪處理方面，楊軍通過對振動信號去噪和分析，給出了閘門狀態(tài)的檢測和識別[6]。張翌娜采用CCMDAN和SVD算法對振動信號進行分解，并以排列熵算法為準選擇有效信號[7]。本文發(fā)明一種基于經驗模態(tài)分解與集合經驗模態(tài)分解（CEEMDAN）和小波包分解的閘門振動信號降噪算法，首先采用經驗模態(tài)分解算法對閘門振動信號進行模態(tài)分解，然后將小波包軟閾值去噪算法應用到閘門振動信號處理，實現(xiàn)閘門振動信號去噪，為后續(xù)閘門振動信號的處理提供基礎。

1 CEEMDAN分解

經驗模態(tài)分解與集合經驗模態(tài)分解（CEEMDAN）是一種用于信號處理和數(shù)據分析的算法[8]。它是一種從信號中提取不同尺度和頻率的局部特征的方法，CEEMDAN將信號分解為多個固有模態(tài)函數(shù)（IMF），每個IMF都代表信號中的一個特定頻率成分。經驗模態(tài)分解與集合經驗模態(tài)分解算法對信號分解的流程圖如圖1所示。設Ei（g）為經過經驗模態(tài)分解算法分解后得到的第i個特征分量為經過CEEMDAN分解得到的第i個特征分量，vj是服從標準正態(tài)分布的隨機信號，j=1、2、3...N，為加入隨機信號的次數(shù)，ε為隨機信號的幅值，y（t）為待分解信號。

圖1 CEEMDAN分解原理示意圖

CEEMDAN（經驗模態(tài)分解與集合經驗模態(tài)分解算法）分解步驟如下：

（1）將隨機信號加入到y(tǒng)（t）中得到新信號y（t）+（-1）qεvj（t），其中q=1、2，對信號進行經驗模態(tài)（EMD）分解，得到第一階特征分量C1。

（2）對產生的N個特征分量進行整體求平均就得到CEEMDAN分解的第1個本征模態(tài)分量：

（3）分解完第一個特征分量后，獲得的殘差是:

（4）在ri（t）中加入隨機信號與原始信號相疊加得到新信號，利用這個新信號進行EMD分解，獲得第2個本征模態(tài)分量：

（5）在分解完兩個模態(tài)分量后，剩下的殘差為：

（6）按照上述步驟不斷重復，直到得到的殘差信號變?yōu)閱握{函數(shù)為止，此時算法終止。分解得到的本征模態(tài)分量的數(shù)量為K，原始信號y（t）經過分解被表示為：

對振動信號進行分解是為了更好地獲得噪聲信號和原始信號，然后在不同模態(tài)分量下進行小波包變換，進一步濾除噪聲信號。

2 小波包去噪原理

小波變換閾值去噪法提取特征[9，10]基本原理如下：閘門信號中包含有效信號和噪聲信號，通過CEMDAN獲取了不同模態(tài)的信號，然后通過小波包變換、分解，經閾值去噪，再將處理以后小波系數(shù)經過小波逆變換還原成去噪以后的信號。

小波變換閾值去噪方法的關鍵在于閾值的量化處理和閾值的選取，常用的值函數(shù)有軟閾值函數(shù)和硬閾值函數(shù)兩種，為了保證噪聲信號的提取精度，采用軟閾值函數(shù)對小波系數(shù)進行處理，公式如（7）所示。

其中d和S（d）分別代表經過去噪處理前后小波變換系數(shù)，sgn()為符號函數(shù)，λ為閾值。從公式（7）可以看出，閾值處理函數(shù)中，閾值λ的選取會直接影響到去噪的效果，當信號信噪比較大時，通常采用無偏似然估計規(guī)則，而當信噪比較小時，則通常采用固定閾值規(guī)則。本研究采用的啟發(fā)式閾值規(guī)則，是固定值規(guī)則和無偏似然估計規(guī)則的綜合，是最優(yōu)預測變量閾值選擇。

3 試驗與分析

以某水電站歷史振動傳感器的信號數(shù)據為基礎分析算法效果，采集閘門振動數(shù)據進行去噪處理。首先對該水電站歷史加速度傳感器的振動信號數(shù)據進行分析，3個加速度傳感器信號如圖2所示，由圖像可以看出未經過去噪處理的振動信號噪聲較大，含噪信號在后續(xù)的應用中會帶來很多干擾，影響閘門故障檢測的準確性。

圖2 未經過去噪處理的閘門振動信號

采用本文算法對閘門振動信號進行濾波去噪處理，選取兩個加速度傳感器以大圖的形式展示，如圖3所示，CEEMDAN分解出9個IMF分量，加入噪聲次數(shù)為100次，正負高斯白噪聲標準差為0.2，迭代次數(shù)最大500次。每個IMF代表一個局部極值，可以看到在對噪聲信號進行分解后，隨著IMF的增加，其幅值越來越小，分解的越來越小，當IMF為6時，已經獲取基本小號輪廓，因此針對IMF1~IMF5進行小波包變換，小波包分解為3層，小波基函數(shù)采用‘db8’去噪的信號可知，從原始的3.5×10-3V量級降低到1×10-4V的量級，對閘門振動信號中的無用噪聲的去除較好，實現(xiàn)了較好的去噪功能。

圖3 經過去噪處理的閘門振動信號

4 結論

本文提出基于CEEMDAN和小波包分解的閘門振動信號降噪方法，用于解決閘門振動信號噪聲繁多的問題。通過采用CEEMDAN和小波包分解方法進行信號去噪，可以有效處理水電站泄洪閘門振動信號中受到的外部干擾。CEEMDAN方法能夠將信號分解成多個本征模態(tài)函數(shù)（IMF），每個IMF代表不同頻率的振動成分，使得外部干擾和真實信號成分可以分離。隨后，小波包分解能夠將每個IMF進一步分解成不同尺度和頻率的子頻帶，這有助于更準確地定位和分離干擾成分。對每個子頻帶應用閾值去噪技術，可以有效去除噪聲，保留真實信號。