改进粒子滤波和小波包在汽轮机振动诊断中的应用
发布时间：2019-07-02 11:44
【摘要】：提出了一种改进粒子滤波和小波包分析相结合的汽轮机振动故障诊断方法。针对传统粒子滤波的样本退化问题,在重采样阶段提出了一种权值排序和优胜劣汰的改进粒子滤波算法。采用小波包分析的方法进行特征提取,利用SVM得到故障诊断结果。由结果可知,降噪信号的故障识别率明显高于原始信号的故障识别率。无论哪种信号,采用小波包分析提取特征向量进行故障诊断的识别率要高于采用FFT分析得到特征向量进行故障诊断的识别率,证明了本文提出方法的优越性。
[Abstract]:An improved particle filter and wavelet packet analysis method for turbine vibration fault diagnosis is proposed. In order to solve the problem of sample degradation of traditional particle filter, an improved particle filter algorithm for weight sorting and survival of the fittest is proposed in the resampling stage. The wavelet packet analysis method is used for feature extraction, and the fault diagnosis results are obtained by SVM. The results show that the fault recognition rate of noise reduction signal is obviously higher than that of original signal. No matter what kind of signal, the recognition rate of fault diagnosis by extracting feature vector by wavelet packet analysis is higher than that by using feature vector obtained by FFT analysis, which proves the superiority of the method proposed in this paper.
【作者单位】： 同济大学电子与信息工程学院;上海电力学院自动化工程学院;上海发电过程智能管控工程技术研究中心;
【基金】：上海市"科技创新行动计划"高新技术领域科研项目(15111106800) 上海市发电过程智能管控工程技术研究中心项目(14DZ2251100) 上海市电站自动化技术重点实验室开放课题(13DZ2273800)
【分类号】：TM621
本文编号：2508902
[Abstract]:An improved particle filter and wavelet packet analysis method for turbine vibration fault diagnosis is proposed. In order to solve the problem of sample degradation of traditional particle filter, an improved particle filter algorithm for weight sorting and survival of the fittest is proposed in the resampling stage. The wavelet packet analysis method is used for feature extraction, and the fault diagnosis results are obtained by SVM. The results show that the fault recognition rate of noise reduction signal is obviously higher than that of original signal. No matter what kind of signal, the recognition rate of fault diagnosis by extracting feature vector by wavelet packet analysis is higher than that by using feature vector obtained by FFT analysis, which proves the superiority of the method proposed in this paper.
【作者单位】： 同济大学电子与信息工程学院;上海电力学院自动化工程学院;上海发电过程智能管控工程技术研究中心;
【基金】：上海市"科技创新行动计划"高新技术领域科研项目(15111106800) 上海市发电过程智能管控工程技术研究中心项目(14DZ2251100) 上海市电站自动化技术重点实验室开放课题(13DZ2273800)
【分类号】：TM621
【相似文献】
相关期刊论文 前10条
1 武辛宇;电厂汽轮机振动略谈[J];山西焦煤科技;2004年S1期
2 王朕;;对电厂汽轮机振动的原因剖析及对策[J];科技创业家;2012年14期
3 朱荣钊;;汽轮机振动大的原因分析及处理[J];广东科技;2008年24期
4 王开艳;;汽轮机振动原因及预防对策[J];科技传播;2011年13期
5 赵强;;电厂汽轮机振动大的原因分析及处理[J];科技创新导报;2011年19期
6 朱永顺;孙之斌;;汽轮机振动故障的原因分析与处理[J];设备管理与维修;2009年09期
7 王云康;;浅析汽轮机振动分析及保护[J];经营管理者;2009年22期
8 邹光哲;;汽轮机振动监测装置的维护分析[J];科技资讯;2013年11期
9 王瑞琼;;电厂汽轮机振动[J];科技资讯;2008年30期
10 秦顺富;汽轮机振动在线监测[J];四川电力技术;1994年02期
相关会议论文 前3条
1 陈家润;于翔;;汽轮机振动信号的干忧分析及解决方案[A];2010年全国发电厂热工自动化专业会议论文集[C];2010年
2 张希洧;师诚;王振华;;汽轮机振动测量信号异常分析[A];全国火电大机组（600MW级）竞赛第十二届年会论文集（上册）[C];2008年
3 李守伦;张清宇;;大功率汽轮机振动故障的分析与处理[A];2003大型发电机组振动和转子动力学学术会议论文集[C];2003年
，本文编号：2508902
本文链接：https://www.wllwen.com/kejilunwen/dianlidianqilunwen/2508902.html
