基于EEMD排列组合熵的SVM转子振动故障诊断研究

发布时间：2017-12-19 14:31

  本文关键词：基于EEMD排列组合熵的SVM转子振动故障诊断研究　出处：《电力建设》2016年01期 　论文类型：期刊论文

  更多相关文章： 总体平均经验模态分解(EEMD) 排列组合熵 支持向量机(SVM) 转子 故障诊断

【摘要】：对汽轮机转子故障状态进行准确判别一直是工程领域研究的重点。在使用支持向量机作为模式识别方法进行故障诊断的过程中,提取能明显区别不同故障的信号特征参数,构建高质量的样本可以较大提高支持向量机(support vector machine,SVM)模型的分类正确率。针对此问题,提出一种总体平均经验模态分解(ensemble empirical mode decomposition,EEM D)、排列组合熵和SVM相结合的汽轮机转子振动多故障诊断方法。方法首先引入有向无环图建立了多故障诊断模型,利用EEMD将振动信号分解成单一无混叠的内禀模态函数(intrinsic mode function,IMF)分量,然后计算对振动信号变化非常敏感的IMF排列组合熵作为特征向量,并应用到有向无环图SVM进行多故障状态识别。实验结果表明,该方法实现了汽轮机转子的振动多故障诊断,同时与基于EEMD能量法提取的特征向量进行对比,通过实验证明,该方法具有更加准确的识别率。
【作者单位】： 华北电力大学能源动力与机械工程学院;
【基金】：国家自然科学基金项目(51306059)~~
【分类号】：TK267
【正文快照】： 0引言汽轮机转子振动故障诊断是当前的重要研究方向。由于振动故障信号具有很大的非线性和非平稳性,会给故障诊断带来巨大困难,所以特征提取与故障状态识别作为故障诊断中的两个关键过程,对其研究转子振动故障诊断具有重要意义。在特征提取方面,故障特征是振动信号与故障之间

【参考文献】

中国硕士学位论文全文数据库 前1条

1 陈艳娜;基于EEMD的旋转机械故障诊断方法研究[D];哈尔滨理工大学;2013年

【二级参考文献】

中国期刊全文数据库 前1条

1 李文超;;现代功率谱估计在设备故障诊断应用[J];传感器世界;2012年02期

中国硕士学位论文全文数据库 前2条

1 万良虹;基于小波分析的滚动轴承故障诊断方法研究[D];华北电力大学（北京）;2004年

2 欧森火;基于Hilbert-Huang变换的机械故障诊断的研究[D];北京邮电大学;2010年

，

本文编号：1308339