基于VMD-CNN的水电机组故障诊断

发布时间：2021-02-09 02:02

　　为提高水电机组故障诊断精度,减少在振动信号特征选取过程中对专业经验的依赖,提出了一种融合变分模态分解和卷积神经网络的故障诊断方法。首先对水电机组振动信号进行变分模态分解得到若干分量,并利用这些分量构造时间图,然后搭建深度卷积神经网络对时间图进行特征提取和故障识别,建立分量和故障状态的映射关系。以实测水电机组轴向振动信号进行应用检验,并采用多组对比试验,结果表明该方法与其他方法相比故障识别准确率更高。研究成果为水电机组智能故障诊断提供了新思路。 

【文章来源】：水电能源科学. 2020,38(08)北大核心

【文章页数】：5 页

【文章目录】：
1 引言
2 研究方法
    2.1 变分模态分解
    2.2 卷积神经网络
    2.3 基于VMD和CNN的水电机组故障诊断
3 实例分析
    3.1 VMD参数选取
    3.2 CNN模型建立
    3.3 结果分析
4 结论



本文编号：3024863