基于流形学习方法的汽轮机组振动特征提取

发布时间：2018-01-08 00:00

本文关键词：基于流形学习方法的汽轮机组振动特征提取　出处：《振动.测试与诊断》2014年04期 　论文类型：期刊论文

【摘要】：为了提高汽轮机振动故障信号的可分性和诊断正确率,应用流行学习方法对汽轮机振动信号进行故障特征提取。研究结果表明,应用流行学习方法可以有效地提取汽轮机振动故障的特征信息,将不同故障类型的特征信息有效地区分开来。运用流行学习方法进行故障特征提取后的诊断结果与小波包分析方法相比,诊断正确率明显提高。
[Abstract]:In order to improve the rate of correct diagnosis and separability of fault vibration signals of steam turbine, the application of popular learning methods for fault feature extraction of vibration signal of turbine. The results show that the characteristics of information application of popular learning methods can effectively extract the vibration fault of steam turbine, separate the effective characteristic information area of different fault types. The use of popular learning methods for diagnosis results after the fault feature extraction and wavelet packet analysis method, the correct diagnosis rate is obviously improved.

【作者单位】：华北电力大学电站设备状态监测与控制教育部重点实验室;
【基金】：中央高校基本科研业务费专项资金资助项目(11QX49)
【分类号】：TM621.3
【正文快照】： 引言汽轮机发电机组是火电厂的大型关键设备之一。作为典型的大型旋转机械,汽轮机发电机组轴系结构复杂、运行环境恶劣,时常出现各种故障。由于机组轴系振动信号中蕴含机组各种故障的特征信息,因此通过对汽轮发电机组轴系振动的监测分析,提取这些故障的特征信息,可以对机组出

【相似文献】