基于随机共振和多维度排列熵的水电机组振动故障诊断

被引：32

作者：

何洋洋 ^{[1
]}

贾嵘 ^{[1
]}

李辉 ^{[1
]}

董开松 ^{[2
]}

机构：

[1] 西安理工大学

[2] 甘肃省电力科学研究院

来源：

水力发电学报 | 2015年 / 34卷 / 12期

关键词：

随机共振; 多维度排列熵; 支持向量机; 故障诊断; 水电机组;

D O I：

暂无

中图分类号：

TV734 [机电设备];

学科分类号：

081504 [水利水电工程];

摘要：

针对强噪声背景下难以提取水电机组振动故障特征的问题,提出了一种基于随机共振(SR)去噪和多维度排列熵(MPE)提取振动信号特征向量的故障诊断方法。首先,采用随机共振对振动信号进行去噪,增强信号的信噪比;继而利用多维度排列熵提取去噪信号的特征向量,最后将其输入所建立的改进粒子群算法优化支持向量机(PSO-SVM)模型,实现故障的识别与诊断。仿真结果表明,该方法具有较高的诊断精度。

引用

页码：123 / 130

页数：8

共 9 条

[1]

基于多维度排列熵与支持向量机的轴承早期故障诊断方法 [J].

贾峰 ;

武兵 ;

熊晓燕 ;

熊诗波 .

计算机集成制造系统, 2014, 20 (09) :2275-2282

[2]

基于多重分形谱和改进BP神经网络的水电机组振动故障诊断研究 [J].

郭鹏程 ;

孙龙刚 ;

李辉 ;

罗兴锜 .

水力发电学报, 2014, 33 (03) :299-305

[3]

独立分量分析–经验模态分解特征提取在水电机组振动信号中的应用 [J].

朱文龙 ;

周建中 ;

肖剑 ;

肖汉 ;

李超顺 .

中国电机工程学报, 2013, 33 (29) :95-101+14

[4]

随机共振消噪和局域均值分解在轴承故障诊断中的应用 [J].

张超 ;

陈建军 .

中国机械工程, 2013, 24 (02) :214-219

[5]

相空间重构中延迟时间选取的新算法 [J].

张菁 ;

樊养余 ;

李慧敏 ;

孙恒义 ;

贾蒙 .

计算物理, 2011, 28 (03) :469-474

[6]

基于最小二乘支持向量机和信息融合技术的水电机组振动故障诊断研究 [J].

彭文季 ;

郭鹏程 ;

罗兴錡 .

水力发电学报, 2007, (06) :137-142

[7]

一种非平稳、非线性振动信号检测方法的研究 [J].

刘永斌 ;

龙潜 ;

冯志华 ;

刘维来 .

振动与冲击, 2007, (12) :131-134+176

[8]

小波包特征熵神经网络在尾水管故障诊断中的应用 [J].

桂中华 ;

韩凤琴 .

中国电机工程学报, 2005, (04)

[9]

Permutation entropy based real-time chatter detection using audio signal in turning process.[J].Usha Nair;Bindu M. Krishna;V. N. N. Namboothiri;V. P. N. Nampoori.The International Journal of Advanced Manufacturing Technology.2010, 1

← 1 →