胡 晓，王 昕，黄建荧，刘 东，肖志怀

(1.武汉大学 流体机械与动力工程装备技术湖北省重点实验室，湖北 武汉430072；2.国网福建水口发电集团有限公司，福建 福州 350004)

0 引 言

为保障水电机组安全可靠运行，需要进行水电机组状态监测与故障诊断，从而做出合理的维修决策[1]。水电机组的振动信号中通常蕴含有其运行状态的重要信息[2]，因此可通过提取振动信号的特征值来进行故障识别。对水电机组振动信号进行有效处理，分析并提取反映其运行状态的特征，是水电机组运行状态评估、诊断的基础，直接关系到后续水电机组故障诊断结果的准确性及可靠性。

水电机组结构复杂、存在多部件耦合振动、振动噪声干扰大等情况，采集到的振动信号具有非平稳、非线性等特点，致使故障征兆不明显，故障特征难以提取[3]。目前，水电机组振动信号特征提取常用的时频分析方法有小波分解、小波包分解、EMD分解等[2]。然而，这些方法也存在一些不足，如小波分解的效果受小波基的选择以及分解层数的影响较大[4]；EMD方法存在模态混叠问题，导致瞬时频率的物理意义不明确[5～6]。为了弥补原有方法的不足，文献[7]提出了变分模态分解VMD(Variational Model Decomposition)，该方法根据经典维纳滤波、Hilbert变换以及频率混合的原理，将原始信号分解为一系列有带宽限制和中心频率的固有模态函数(IMF)，是一种自适应时频分析方法[7～9]。复杂度分析源于1965年提出的算法复杂度的概念，是一种非线性动力学的分析方法，适合对非线性、非平稳信号的分析处理[10]。……