基于集合经验模态分解样本熵和LIBSVM的离心风机故障诊断方法

发布时间：2018-09-17 19:12

【摘要】：针对离心风机故障信号非平稳、非线性的特征以及应用过程样本少等特点,提出基于集合经验模态分解(EEMD)样本熵和LIBSVM的离心风机故障诊断的新方法。首先采用总体平均经验模态将传感器信号分解成若干个平稳的本征模态函数(IMF)分量;其次通过相关系数准则对IMF分量进行选择去除虚假模式分量,对于筛选出的IMF分量分别计算样本熵并将其作为特征向量;最后将特征向量输入LIBSVM和BP神经网络进行模式识别。实验验证了该方法的可行性、有效性和优越性。
[Abstract]:A new fault diagnosis method for centrifugal fan based on set empirical mode decomposition (EEMD) sample entropy and LIBSVM is proposed in view of the non-stationary nonlinear characteristics of centrifugal fan fault signals and the small number of application process samples. Firstly, the sensor signal is decomposed into a number of stationary intrinsic mode function (IMF) components by using the total average empirical mode, and then the IMF component is selected to remove the false mode component by the correlation coefficient criterion. The entropy of the sample is calculated for the selected IMF component and used as the eigenvector. Finally, the eigenvector is input into the LIBSVM and BP neural networks for pattern recognition. The feasibility, effectiveness and superiority of the method are verified by experiments.
【作者单位】：东北电力大学能源与动力工程学院;
【基金】：吉林省科技发展计划项目(20130206008GX)~~
【分类号】：TM621;TH432

【参考文献】

相关期刊论文前10条

1 尚海昆;王坤;李峰;;基于集合经验模态分解法的局部放电信号去噪[J];东北电力大学学报;2016年04期

2 秦娜;金炜东;黄进;李智敏;刘景波;;基于EEMD样本熵的高速列车转向架故障特征提取[J];西南交通大学学报;2014年01期

3 王松岭;刘锦廉;许小刚;;基于小波包变换和奇异值分解的风机故障诊断研究[J];热力发电;2013年11期

4 王书涛;李亮;张淑清;孙国秀;;基于EEMD样本熵和GK模糊聚类的机械故障识别[J];中国机械工程;2013年22期

5 吴浩;李群湛;刘炜;;基于PSO-LIBSVM的广域后备保护新算法[J];电力系统保护与控制;2013年15期

6 周云龙;李红延;李洪伟;;改进的LVQ神经网络在风机故障诊断中的应用[J];化工自动化及仪表;2013年05期

7 赵志宏;杨绍普;;一种基于样本熵的轴承故障诊断方法[J];振动与冲击;2012年06期

8 周云龙;王锁斌;刘永奇;;自回归和EMD用于离心式风机不对中故障分析[J];振动.测试与诊断;2011年05期

9 米江;纪国宜;;改进的BP神经网络在风机故障诊断中的应用[J];噪声与振动控制;2011年02期

10 谢培甫;夏立斌;谭青;;基于神经网络的大型风机智能故障诊断系统的研究[J];风机技术;2007年02期

【共引文献】

相关期刊论文前10条

1 仲小英;程钦;;基于DSP的滚动轴承故障识别系统设计[J];控制工程;2017年02期

2 周云龙;张岗;;基于集合经验模态分解样本熵和LIBSVM的离心风机故障诊断方法[J];热力发电;2017年02期

3 黄友朋;赵山;许凡;方彦军;;EEMD排列熵与PCA-GK的滚动轴承聚类故障诊断[J];河南科技大学学报(自然科学版);2017年02期

4 崔万里;宁静;种传杰;李艳萍;陈春俊;;EMD-ISOMAP高速列车小幅蛇行异常特征提取[J];中国测试;2016年12期

5 孟龙;刘清贵;晁勤;王一波;李育强;;基于LIBSVM识别并网PV系统阻抗的输电线电流保护自适应策略研究[J];电力系统保护与控制;2016年24期

6 伍文源;曾水玲;;基于改进BP神经网络的湘西方块苗文图像识别[J];铜仁学院学报;2016年04期

7 汪亮;王红军;;基于多域熵与FCM聚类的故障诊断模型[J];组合机床与自动化加工技术;2016年08期

8 张昭;李风雷;田琦;;T-S模糊神经网络在风机故障诊断中的应用[J];燕山大学学报;2016年04期

9 赵洪山;徐樊浩;徐文岐;高夺;;风电机组振动监测与故障预测系统[J];陕西电力;2016年07期

10 许凡;方彦军;张荣;;基于EEMD模糊熵的PCA-GG滚动轴承聚类故障诊断[J];计算机集成制造系统;2016年11期

【二级参考文献】

相关期刊论文前10条

1 段峰峰;王永滨;杨丽芳;潘淑静;;基于主成分分析方向深度梯度直方图的立体视觉深度图特征提取[J];计算机应用;2016年01期

2 李军浩;韩旭涛;刘泽辉;李彦明;;电气设备局部放电检测技术述评[J];高电压技术;2015年08期

3 唐炬;董玉林;樊雷;李莉苹;;基于Hankel矩阵的复小波奇异值分解法提取局部放电特征信息[J];中国电机工程学报;2015年07期

4 袁娜;朱永利;梁涵卿;;结合矩形窗的EEMD局部放电信号去噪[J];电力系统及其自动化学报;2015年03期

5 王文波;张晓东;汪祥莉;;基于主成分分析的经验模态分解消噪方法[J];电子学报;2013年07期

6 朱宁辉;白晓民;董伟杰;;基于EEMD的谐波检测方法[J];中国电机工程学报;2013年07期

7 康艳;蔡焕杰;宋松柏;;水文系统复杂性模型研究及应用[J];水力发电学报;2013年01期

8 赵晓华;许士丽;荣建;张兴俭;;基于ROC曲线的驾驶疲劳脑电样本熵判定阈值研究[J];西南交通大学学报;2013年01期

9 蒲黔辉;秦世强;施洲;王秋萍;勾红叶;;环境激励下钢筋混凝土拱桥模态参数识别[J];西南交通大学学报;2012年04期

10 田聪聪;文明浩;刘航;何志勤;;基于相邻变电站信息融合的广域后备保护系统[J];电力系统自动化;2012年15期

【相似文献】

相关期刊论文前10条

1 于艳秋,朱正;高效离心风机的设计研究[J];车辆与动力技术;2003年01期

2 肖建平;离心风机热膨胀故障的分析和处理[J];江苏冶金;2005年04期

3 刘师多;丁慧玲;王慧萍;师清翔;倪长安;;两离心风机串联特性试验分析[J];农机化研究;2006年04期

4 王荣先;师清翔;刘师多;倪长安;周学建;;离心风机串联吸气临界点的试验[J];河南科技大学学报(自然科学版);2006年04期

5 王荣先;师清翔;刘师多;倪长安;侯凤云;;离心风机串联吸气特性的试验研究[J];农机化研究;2006年09期

6 李树强;余志鹏;李华杰;;离心风机与离心风机串联特性的试验研究[J];农业装备与车辆工程;2007年02期

7 郝静;张凯;;除尘离心风机存在的问题及改进设计[J];农机化研究;2007年11期

8 李文华;范兴文;;离心风机变工况流场分析[J];科技创新导报;2008年28期

9 陈华平;杨著;秦素风;;甲醛生产装置离心风机的废热利用[J];节能;2010年07期

10 李晓丽;楚武利;谢芳;;防涡圈对离心风机性能的影响[J];机械科学与技术;2011年07期