基于经验小波变换和卷积神经网络的水泵水轮机无叶区流态特征提取及识别研究

监测和识别原型水泵水轮机无叶区的流动状态，对于保证抽水蓄能电站的运行安全性和稳定性有非常重要的意义。本文提出了一种基于经验小波变换、散布熵和卷积神经网络原理的流态特征提取和识别方法，首先使用经验小波变换对压力脉动信号进行分解，然后通过计算各分量的散布熵提取流态相关特征，最后通过利用特征–标签对训练卷积神经网络得到的智能识别模型，实现了无叶区流态识别。利用从国内某水泵水轮机采集到的发电、抽水和空转工况下实测压力脉动信号对该方法进行了测试，测试的平均准确率达到了94.84%，证明了该方法的有效性。