基于EEMD近似熵的水电机组振动信号特征提取

发布时间：2024-06-25 19:41

　　对于水电机组非平稳非线性振动信号特征提取方法的研究近年来一直是水电机组故障诊断领域研究热点,特征提取的有效性直接关系到故障诊断的准确性。本文提出基于集合经验模态分解(EEMD)和近似熵的水电机组振动信号特征提取方法,将信号经EEMD分解后筛选得到的本征模态分量(IMF)近似熵特征值输入概率神经网络(PNN)进行模式识别。采用经验模态分解(EMD)和近似熵特征提取方法进行对比实验。识别结果表明:采用EEMD和近似熵的特征提取方法,能有效区分机组不同的运行状态,可为实际工程应用提供理论依据。

【文章页数】：10 页

【部分图文】：

图2转子试验台系统Fig.2Rotorlaboratorybench

蒋文君，等：基于EEMD近似熵的水电机组振动信号特征提取21和重复实验验证所提方法的高效性和稳定性，对比试验采用EMD近似熵方法。3.1转子试验台振动信号利用如图2所示的转子试验台系统采集信号。转子试验台由直流电机驱动，额定电流为1.95A，最大输出功率为148W，由DH5600....

图3不同运行状态下机组Fig.3Comparisonofnoises-reducedvibrationsignals（g）降噪前-不对中状态

22水力发电学报（e）降噪前-不平衡状态（f）降噪后-不平衡状态（g）降噪前-不对中状态（h）降噪后-不对中状态图3不同运行状态下机组振动信号降噪前后对比Fig.3Comparisonofnoises-reducedvibrationsignalsindifferentopera....

图4不同模拟故障状态下信号IMF分量Fig.4IMFsofsignalswithdifferentfaults（c）不平衡状态IMF分量（d）不对中状态IMF分量

22水力发电学报（e）降噪前-不平衡状态（f）降噪后-不平衡状态（g）降噪前-不对中状态（h）降噪后-不对中状态图3不同运行状态下机组振动信号降噪前后对比Fig.3Comparisonofnoises-reducedvibrationsignalsindifferentopera....

图5机组模拟振动信号EEMD近似熵特征向量输入PNN后的分类结果Fig.5ClassificationofEEMDapproximateentropyeigenvectorsofvibrationsignalsinputintoPNN

46000.28561310.59230.75070.49340.49470.2183利用四种运行状态下的各40组EEMD近似熵特征集创建概率神经网络进行训练与预测，每种状态随机选取20组数据作为训练集样本，另外20组数据作为测试集样本。将实际输出结果与期望输出结果进行对比得到特....

本文编号：3995810