【摘要】：針對(duì)水輪發(fā)電機(jī)組的振動(dòng)信號(hào)之間相互影響且容易受到噪聲干擾的問(wèn)題,提出了一種基于快速獨(dú)立分量分析(FastICA)和集合經(jīng)驗(yàn)?zāi)�態(tài)分解(EEMD)的故障特征提取方法。首先,利用快速獨(dú)立分量分析將原始信號(hào)分離成若干個(gè)獨(dú)立分量;然后對(duì)每個(gè)分量均進(jìn)行集合經(jīng)驗(yàn)?zāi)�態(tài)分解,根據(jù)歸一化能量與歸一化相關(guān)系數(shù)兩個(gè)參數(shù)來(lái)選取有效的本征模態(tài)分量(IMF);最后將其進(jìn)行重構(gòu)以獲得對(duì)應(yīng)的故障特征。通過(guò)仿真與實(shí)例分析,并與其他方法進(jìn)行對(duì)比,結(jié)果表明該方法可以有效抑制噪聲干擾,更為全面、準(zhǔn)確地提取到水輪發(fā)電機(jī)組的振動(dòng)特征信號(hào),滿足實(shí)際工程需求。
[Abstract]:In order to solve the problem that the vibration signals of hydro-generator set interact with each other and are vulnerable to noise interference, a fault feature extraction method based on fast independent component analysis (FastICA) and set empirical mode decomposition (EEMD) is proposed. Firstly, the original signal is separated into several independent components by using fast independent component analysis (ICA). Then each component is decomposed by set empirical mode. According to the two parameters of normalization energy and normalization correlation coefficient, the effective intrinsic modal component (IMF); is selected and reconstructed to obtain the corresponding fault characteristics. Through simulation and example analysis, and compared with other methods, the results show that this method can effectively suppress noise interference, extract vibration characteristic signals of hydro-generator set more comprehensively and accurately, and meet the needs of practical engineering.
【作者單位】： 西安理工大學(xué)水利水電學(xué)院;甘肅省電力科學(xué)研究院;
【基金】：國(guó)家自然科學(xué)基金(51279161) 陜西省水利科技計(jì)劃項(xiàng)目(2015slkj-04) 電網(wǎng)公司科技項(xiàng)目(522722150012)
【分類(lèi)號(hào)】：TV738

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳岳東，，屈梁生;回轉(zhuǎn)機(jī)械的故障特征提取與分類(lèi)[J];機(jī)械工程學(xué)報(bào);1994年S1期

2 高正明;何彬;趙娟;裴永泉;左廣霞;;常用故障特征提取方法[J];機(jī)床與液壓;2009年12期

3 李兆飛;柴毅;李華鋒;;多重分形的振動(dòng)信號(hào)故障特征提取方法[J];數(shù)據(jù)采集與處理;2013年01期

4 韓立靜;徐金梧;陽(yáng)建宏;黎敏;;基于灰度擊中擊不中變換的故障特征提取方法[J];北京科技大學(xué)學(xué)報(bào);2012年07期

5 李輝,宋智勇,孫豐瑞;基于小波包-包絡(luò)分析的故障特征提取方法[J];振動(dòng)、測(cè)試與診斷;2003年04期

6 李學(xué)軍;廖傳軍;褚福磊;;適于聲發(fā)射信號(hào)故障特征提取的小波函數(shù)[J];機(jī)械工程學(xué)報(bào);2008年03期

7 梅檢民;肖云魁;賈繼德;趙慧敏;陳祥龍;喬龍;;基于改進(jìn)階比的變速器微弱故障特征提取[J];振動(dòng)工程學(xué)報(bào);2012年03期

8 任立通;胡金海;謝壽生;王磊;苗卓廣;;基于隨機(jī)共振預(yù)處理的振動(dòng)故障特征提取研究[J];振動(dòng)與沖擊;2014年02期

9 陳長(zhǎng)征,羅躍綱,張省,虞和濟(jì);基于小波分析的機(jī)械故障特征提取研究[J];機(jī)械強(qiáng)度;2001年01期

10 郝志華;馬孝江;;高階非線性時(shí)頻表示在故障特征提取中的應(yīng)用[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2006年02期

相關(guān)會(huì)議論文 前3條

1 趙志宏;楊紹普;;一種基于ICA的機(jī)械故障特征提取方法[A];機(jī)械動(dòng)力學(xué)理論及其應(yīng)用[C];2011年

2 潘宏俠;黃晉英;毛鴻偉;劉振旺;;基于粒子群優(yōu)化的故障特征提取技術(shù)研究[A];第九屆全國(guó)振動(dòng)理論及應(yīng)用學(xué)術(shù)會(huì)議論文摘要集[C];2007年

3 朱啟兵;楊慧中;;基于卷積型小波包奇異值分解的齒輪故障特征提取[A];第二十七屆中國(guó)控制會(huì)議論文集[C];2008年

相關(guān)博士學(xué)位論文 前10條

1 蔣超;基于EEMD與MED的沖擊信號(hào)自適應(yīng)故障特征提取方法[D];上海大學(xué);2016年

2 程發(fā)斌;面向機(jī)械故障特征提取的混合時(shí)頻分析方法研究[D];重慶大學(xué);2007年

3 馮坤;基于內(nèi)積變換的機(jī)械故障特征提取原理與早期識(shí)別方法研究[D];北京化工大學(xué);2012年

4 李加慶;基于聲全息的故障特征提取技術(shù)研究[D];上海交通大學(xué);2008年

5 趙玲;旋轉(zhuǎn)機(jī)械系統(tǒng)故障特征提取中的分形方法研究[D];重慶大學(xué);2010年

6 陳建國(guó);基于獨(dú)立分量分析的機(jī)械故障特征提取及分類(lèi)方法研究[D];大連理工大學(xué);2011年

7 李兆飛;振動(dòng)故障分形特征提取及診斷方法研究[D];重慶大學(xué);2013年

8 鞠萍華;旋轉(zhuǎn)機(jī)械早期故障特征提取的時(shí)頻分析方法研究[D];重慶大學(xué);2010年

9 趙志宏;基于振動(dòng)信號(hào)的機(jī)械故障特征提取與診斷研究[D];北京交通大學(xué);2012年

10 趙鵬;離心泵振動(dòng)故障診斷方法研究及系統(tǒng)實(shí)現(xiàn)[D];華北電力大學(xué)（北京）;2011年

相關(guān)碩士學(xué)位論文 前10條

1 薄瑞瑞;基于LMD的振動(dòng)信號(hào)處理及故障特征提取研究[D];內(nèi)蒙古大學(xué);2015年

2 凡非龍;旋轉(zhuǎn)機(jī)械故障診斷與現(xiàn)場(chǎng)動(dòng)平衡系統(tǒng)研發(fā)[D];浙江大學(xué);2015年

3 屈紅偉;基于LMD的故障特征提取方法及動(dòng)平衡技術(shù)研究[D];北京化工大學(xué);2015年

4 李嶺陽(yáng);基于非線性分析的故障特征提取及識(shí)別方法研究[D];北京化工大學(xué);2016年

5 沈金理;機(jī)械裝備連接松動(dòng)故障特征提取方法的研究[D];東華大學(xué);2013年

6 李敏;基于譜融合的管道故障特征提取方法研究[D];北京化工大學(xué);2011年

7 易雄;基于小波分析的機(jī)械故障特征提取與診斷技術(shù)研究[D];浙江工業(yè)大學(xué);2009年

8 鐘曉平;氣象衛(wèi)星運(yùn)動(dòng)部件故障特征提取及振動(dòng)特性研究[D];上海交通大學(xué);2009年

9 宋震;柴油機(jī)典型故障特征提取與診斷研究[D];天津大學(xué);2013年

10 王澤棟;鉆井泵閥的故障特征提取與基于GSM的遠(yuǎn)程故障報(bào)警儀[D];北京化工大學(xué);2008年

本文編號(hào)：2491054