基于近似熵和集成经验模态分解的转子多故障诊断方法研究

发布时间：2017-10-06 16:12

  本文关键词：基于近似熵和集成经验模态分解的转子多故障诊断方法研究

  更多相关文章： 集成经验模态分解 近似熵 支持向量机 多故障诊断

【摘要】：为了提高汽轮机转子多故障分类的准确率,提出一种集成经验模态分解(EEMD)、近似熵和支持向量机相结合的多状态分类方法。首先进行EEMD得到各频段的单分量信号;再求出熵值作为故障信号的特征向量输入到基于二叉树的支持向量机中实现多状态分类。对比近似熵、模糊熵和能量法这三种方法,实验结果验证了利用EEMD和熵理论相结合的方法量化故障信号非线性特征的正确性。同时也表明在欧氏空间中,近似熵值组成的特征向量彼此间的距离最远,分类效果也最好。
【作者单位】： 华北电力大学;
【关键词】： 集成经验模态分解 近似熵 支持向量机 多故障诊断
【基金】：中央高校基本科研业务费专项资金资助项目(2015MS102) 国家自然科学基金资助项目(50676031)
【分类号】：TK268
【正文快照】： 0引言对汽轮机转子不同故障状态进行准确的辨别是保证维修工作顺利进行的关键,同时也可以避免重大的工业生产损失。状态判别在本质上属于模式识别[1]问题,支持向量机[2](support vectormachine,SVM)作为一种新兴的方法,相比于专家系统和神经网络,在小样本处理方面有着独特的优

【相似文献】

中国期刊全文数据库 前1条

1 齐子元;张英堂;徐章遂;程利军;;基于多分辨率近似熵的发动机声信号特征提取[J];车用发动机;2008年05期

，

本文编号：983727