基于VMD分解和支持向量机的水电机组振动故障诊断

被引：33

作者：

张勋康 ^{[1
]}

陈文献 ^{[1
]}

杨洋 ^{[1
]}

李涛涛 ^{[2
]}

机构：

[1] 国网安康供电公司

[2] 西安理工大学

来源：

电网与清洁能源 | 2017年 / 33卷 / 10期

关键词：

水电机组; 非平稳; 变分模态分解; 支持向量机; 故障诊断;

D O I：

暂无

中图分类号：

TV738 [养护、维修];

学科分类号：

081504 [水利水电工程];

摘要：

针对传统方法难以精确提取水电机组非平稳振动信号的故障特征,首先引入变分模态分解(variational modal decomposition,VMD)将水电机组非平稳振动信号分解为一系列中心频段互不重叠的IMF分量,进而采取能量法提取各IMF分量的故障特征,最后将提取的故障特征向量输入到本文建立的基于遗传算法优化支持向量机的故障诊断模型中,实现故障模式的识别与诊断。将该方法应用于实际水电机组故障振动信号的处理中,仿真结果表明,该方法能够有效识别机组的异常状况,具有较高的故障诊断正确率。

引用

收藏

页码：134 / 138

页数：5

相关论文

共 15 条

[1]

基于变分模态分解的风电机组传动系统故障诊断研究 [D].

武英杰 .

华北电力大学(北京),

2016

[2]

基于随机共振和经验模态分解的水力发电机组振动故障诊断 [J].

贾嵘 ;

李涛涛 ;

夏洲 ;

马喜平 .

水利学报, 2017, 48 (03) :334-340+350

[3]

基于复数据的EMD在水导轴承故障诊断中的应用 [J].

马富齐 ;

贾嵘 ;

武桦 ;

董开松 ;

党建 .

水力发电学报, 2017, 36 (02) :75-82

[4]

基于经验模态分解和支持向量机的水电机组振动故障诊断 [J].

李辉 ;

李欣同 ;

贾嵘 ;

白亮 ;

罗兴锜 .

水力发电学报, 2016, 35 (12) :105-111

[5]

基于变分模态分解和Teager能量算子的滚动轴承故障特征提取 [J].

马增强 ;

李亚超 ;

刘政 ;

谷朝健 .

振动与冲击, 2016, 35 (13) :134-139

[6]

水轮发电机组非平稳振动信号的检测与故障诊断 [J].

党建 ;

何洋洋 ;

贾嵘 ;

董开松 ;

谢永涛 .

水利学报, 2016, 47 (02) :173-179

[7]

基于随机共振和多维度排列熵的水电机组振动故障诊断 [J].

何洋洋 ;

贾嵘 ;

李辉 ;

董开松 .

水力发电学报, 2015, 34 (12) :123-130

[8]

基于最小最大核K均值聚类算法的水电机组振动故障诊断 [J].

张孝远 ;

张新萍 ;

苏保平 .

电力系统保护与控制, 2015, 43 (05) :27-34

[9]

基于引力搜索核聚类算法的水电机组振动故障诊断 [J].

李超顺 ;

周建中 ;

肖剑 ;

肖汉 .

中国电机工程学报, 2013, 33 (02) :98-104+18

[10]

基于经验模态分解和超球多类支持向量机的滚动轴承故障诊断方法 [J].

康守强 ;

王玉静 ;

杨广学 ;

宋立新 ;

VIMIKULOVICH .

中国电机工程学报, 2011, 31 (14) :96-102