水轮发电机组非平稳振动信号的检测与故障诊断

被引：39

作者：

党建 ^{[1
]}

何洋洋 ^{[1
]}

贾嵘 ^{[1
]}

董开松 ^{[2
]}

谢永涛 ^{[1
]}

机构：

[1] 西安理工大学

[2] 甘肃省电力科学研究院

来源：

水利学报 | 2016年 / 47卷 / 02期

关键词：

水轮发电机组; 非平稳; 多维度排列熵; 支持向量机; 故障诊断;

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：

针对传统方法难以精确检测水轮发电机组的非平稳振动信号以及现有振动故障诊断方法精度低等问题,本文首先引入排列熵算法对其进行检测与分析,进而引入多维度排列熵算法,以实现对非平稳振动信号的特征提取,构造故障样本数据,并将其作为基于遗传算法的支持向量机诊断模型的输入,从而完成故障的诊断与识别。仿真实例表明,排列熵能够有效检测非平稳振动信号的突变,多维度排列熵与支持向量机相结合的故障诊断方法可有效识别机组的异常情况,具有较高的诊断精度。

引用

页码：173 / 179

页数：7

共 9 条

[1]

基于Hilbert-Huang变换和支持向量机的水轮发电机组状态监测与故障诊断方法研究 [D].

王小宇 .

西安理工大学,

2007

[2]

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

[3]

基于小波相关排列熵的轴承早期故障诊断技术 [J].

冯辅周 ;

司爱威 ;

饶国强 ;

江鹏程 .

机械工程学报, 2012, 48 (13) :73-79

[4]

排列熵算法研究及其在振动信号突变检测中的应用 [J].

冯辅周 ;

饶国强 ;

司爱威 ;

吴广平 .

振动工程学报, 2012, 25 (02) :221-224

[5]

排列熵算法的应用与发展 [J].

冯辅周 ;

饶国强 ;

司爱威 ;

孙野 .

装甲兵工程学院学报, 2012, 26 (02) :34-38

[6]

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

[7]

排列熵应用于气候复杂性度量 [J].

郝成元 ;

吴绍洪 ;

李双成 .

地理研究, 2007, (01) :46-52

[8]

Detection of epileptic electroencephalogram based on Permutation Entropy and Support Vector Machines.[J].Nicoletta Nicolaou;Julius Georgiou.Expert Systems With Applications.2011, 1

[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 →