陈喜阳，闫海桥，孙建平

（华中科技大学能源与动力工程学院，湖北 武汉 430074）

0 引 言

水电机组设备在运行中不断受到机械或电气损伤，过流部件还经历空蚀破坏、泥沙磨损及尾水涡带、周期性脱流和卡门涡等水力激振力作用，振动信号可能是由机械、水力或电磁中的某一个因素产生的，也可能是由多个因素耦合作用引起的综合结果，体现出明显的非平稳特性[1-2]。为了对水电机组故障展开诊断，有必要提取与物理作用对应信号的动态特征，捕捉非平稳振动信号中与振源对应的突变成份时频征兆。当前水电机组振动信号分析方法依然立足于传统的FFT（快速傅立叶变换算法），从时域变换到频域时，丢失了时间信息，仅能求解到整体信号的频谱，无法确认各频率成份发生时刻，难以把握非平稳信号的局部细节信息，容易造成对机组实际运行性能的误判。

如何有效同时提取非平稳信号时域与频域特征，一直是信号处理领域的研究热点。Dennis Gabor提出了短时傅立叶变换,先用一个在有限区间外恒为零的光滑函数去乘所需分析的信号，再进行FFT，得到信号的局部特性，但所加窗口形状大小固定不变，使其在实际应用中受限制，效果不够理想[3]。EMD（empirical mode decomposition）经验模态分解作为一种自适应分解方法，在不同趋势或尺度上对原始信号逐层展开分解，衍生一序列的本征模函数（intrinsic mode function，IMF），通过对 IMF 分量进行Hilbert变换，获取该信号的时间-瞬时频率-瞬时幅值的特征分布[4]。EMD与传统FFT本质区别在于不需设定任何基函数，仅依据信号的局部特征尺度，自适应的对非平稳信号进行平稳化处理，已在旋转机械振动信号分析领域得到了应用。……