船用核动力装置异常模态辨识的信号分析理论与方法研究

The signals reflecting the operational states of marine nuclear power equipments are both non-stationary and non-linear. These signals include flow-induced vibration of reactors, neutron noise and vibrations from main coolant pump and other machineries. In order to monitor the safety of marine nuclear power equipment, the acquired signals need to be processed so that the right state of system can be identified. In this project, such Joint time-frequency analysis techniques as wavelet transform, Hilbert-Huang transform will be used to extract the features from the above mentioned signals. The main contents of this study include: the proper selection of wavelet basis function and the adaptability of wavelet transform to non-linear signals; the methods to introduce Hilbert-Huang Transform during wavelet packet decomposition, so that wavelet transform can be used for the effective recognition and extraction of non-linear signal features. This project will improve the accuracy of the signal processing methods to extract the features from the marine nuclear power equipment so that it can operate safely. Furthermore, those methods can be applied to the mode analysis of other non-stationary and non-linear systems, and have universal theoretical and practical significance.

反映船用核动力装置运行状态的信号,具有非平稳、非线性的特点，如：反应堆流致振动、中子噪声及主冷却剂泵等机械设备运行中的振动等信号。为了监测船用核动力装置设备的安全，需要对采集的这些信号进行处理以准确确定系统的状态。本项目针对上述信号，以小波变换和Hilbert-Huang变换(HHT)等时频分析理论为基础，研究能够快速准确地辨识船用核动力装置异常模态的信号处理理论及方法。研究内容包括：小波基函数的正确选择、小波变换对非线性信号的适应性；小波包分解过程中如何通过引入HHT，以解决小波变换对非线性信号特征的有效识别与提取问题。本研究不仅将系统地提出船用核动力装置动态系统信号的特征提取方法，为船用核动力装置安全运行提供有效、可靠的状态分析手段，而且这些方法还可推广应用于其它非平稳、非线性动态系统的模态分析，具有普遍的理论和实践意义。

本研究针对船用核动力装置运行状态的信号特点，以反应堆堆内构件流致振动、主冷却剂泵振动、减速齿轮箱冲击和离心泵振动信号的去噪及分离为研究对象，采用小波（包）变换、HHT和盲源分离分析方法作为信号分析的主要工具，通过分析相关方法在工程应用中的不足对其进行了算法改进研究，并进行了仿真验证，获得了以下主要研究结论：.1、提出了最大互相关系数法和最大能量-熵法等两种小波基选择方法，并得出最大能量-熵小波基选择方法适合用于转子故障振动信号识别的结论。利用小波包结合该方法能够非常清晰地识别转子不平衡、开裂纹、碰摩以及松动等故障；.2、研究了小波参数化方法，结合不同的消失矩，获得了多种小波基函数，除了常见的小波基外，还得到了其他并未命名的小波基函数，且同样具有很好的信号分析能力，完善了小波基函数库；.3、 以小波阈值去噪常用的硬阈值函数为基础，提出了新的阈值函数，使其能够克服硬阈值函数在阈值处的不连续性，该阈值函数相比于软、硬阈值函数具有更好的去噪能力；.4、提出了频率补偿法，该方法可以消除幅值失真，进而可精确分析核动力设备信号的频率组成；.5、利用格雷编码和傅里叶变换的移频性质，解决了小波包分解频带混淆问题；.6、在单子带改进算法基础上提出了引入过渡函数的算法，解决了单子带改进算法不能很好分析第二类突变信号的缺点；.7、利用全周期波形延拓方法解决了HHT的端点效应问题，同时结合小波包的分解特性，针对转子故障振动信号的特点，提出了改进HHT算法，成功消除了EMD的模式混叠和虚假分量问题，并将其应用于转子故障特征识别；.8、研究了JADE-SOBI联合算法和基于负熵的FastICA算法两种线性BSS算法，并选择分离效果更好的JADE-SOBI联合算法运用于后非线性BSS中。基于最小化互信息的多层感知器算法和几何算法在分离较为复杂的振动混合信号方面有很好的分离能力。.项目组全面完成了本项目预定的研究内容，并在多源盲信号分离方面有所拓展。本研究共发表论文 21篇，形成报告5份，培养博士2名，硕士5名，完成了预期的成果产出目标。该项目的完成丰富了动力装置的非线性、非平稳特性的分析技术，具有重要的现实的工程应用意义。