张勋康，陈文献，杨 洋，李涛涛

（1.国网安康供电公司，陕西安康 725000；2.西安理工大学，陕西西安 710048）

水电机组常年运行于高温、高压和高转速的复杂环境中，较易出现各种故障，严重影响了水电厂的安全稳定运行[1-2]。据研究表明，水电机组出现的80%以上的事故和故障都与其振动相关，都能在其振动信号中得到反映[3-5]，因此，目前基于振动信号分析的水电机组故障诊断成为了研究的热点问题。

水电机组是一个机-电-液强耦合的系统，其振动信号多表现为非线性、非平稳特性，基于傅里叶变换、Wigner-Ville等传统方法已经不再适合处理这种非线性、非平稳振动信号[6]。近年来，基于小波理论的信号处理方法得到了广泛的应用[7-8]，但其小波基函数的选取目前还没有统一的标准，主要依赖先验知识和专家经验，阻碍了其在水电机组故障诊断中的应用。Huang等[9]于1998年提出了经验模态分解（empirical modal decomposition，EMD）的信号处理方法，该方法非常适用于非线性、非平稳信号的处理，文献[10-11]将其应用于水电机组非平稳信号的处理，得到了较好的故障诊断结果，但EMD分解存在端点效应和模态混叠。

变分模态分解是Dragomiretskiy等[12]于2014年提出的一种新型信号分解技术，能够有效避免EMD分解存在的模态混叠现象，目前关于VMD分解在水电机组故障诊断中的应用研究还较少，本文将其引入到水电机组非平稳振动信号的处理中，将原始振动信号分解为一系列不同频段的IMF分量，并用能量法提取各IMF分量的特征向量，结合遗传算法优化支持向量机的故障诊断模型，实现水电机组振动故障的识别与诊断。……