發(fā)布時(shí)間：2024-06-25 19:41

　　對(duì)于水電機(jī)組非平穩(wěn)非線性振動(dòng)信號(hào)特征提取方法的研究近年來(lái)一直是水電機(jī)組故障診斷領(lǐng)域研究熱點(diǎn),特征提取的有效性直接關(guān)系到故障診斷的準(zhǔn)確性。本文提出基于集合經(jīng)驗(yàn)?zāi)�態(tài)分解(EEMD)和近似熵的水電機(jī)組振動(dòng)信號(hào)特征提取方法,將信號(hào)經(jīng)EEMD分解后篩選得到的本征模態(tài)分量(IMF)近似熵特征值輸入概率神經(jīng)網(wǎng)絡(luò)(PNN)進(jìn)行模式識(shí)別。采用經(jīng)驗(yàn)?zāi)�態(tài)分解(EMD)和近似熵特征提取方法進(jìn)行對(duì)比實(shí)驗(yàn)。識(shí)別結(jié)果表明:采用EEMD和近似熵的特征提取方法,能有效區(qū)分機(jī)組不同的運(yùn)行狀態(tài),可為實(shí)際工程應(yīng)用提供理論依據(jù)。

【文章頁(yè)數(shù)】：10 頁(yè)

【部分圖文】：

圖2轉(zhuǎn)子試驗(yàn)臺(tái)系統(tǒng)Fig.2Rotorlaboratorybench

蔣文君，等：基于EEMD近似熵的水電機(jī)組振動(dòng)信號(hào)特征提取21和重復(fù)實(shí)驗(yàn)驗(yàn)證所提方法的高效性和穩(wěn)定性，對(duì)比試驗(yàn)采用EMD近似熵方法。3.1轉(zhuǎn)子試驗(yàn)臺(tái)振動(dòng)信號(hào)利用如圖2所示的轉(zhuǎn)子試驗(yàn)臺(tái)系統(tǒng)采集信號(hào)。轉(zhuǎn)子試驗(yàn)臺(tái)由直流電機(jī)驅(qū)動(dòng)，額定電流為1.95A，最大輸出功率為148W，由DH5600....

圖3不同運(yùn)行狀態(tài)下機(jī)組Fig.3Comparisonofnoises-reducedvibrationsignals（g）降噪前-不對(duì)中狀態(tài)

22水力發(fā)電學(xué)報(bào)（e）降噪前-不平衡狀態(tài)（f）降噪后-不平衡狀態(tài)（g）降噪前-不對(duì)中狀態(tài)（h）降噪后-不對(duì)中狀態(tài)圖3不同運(yùn)行狀態(tài)下機(jī)組振動(dòng)信號(hào)降噪前后對(duì)比Fig.3Comparisonofnoises-reducedvibrationsignalsindifferentopera....

圖4不同模擬故障狀態(tài)下信號(hào)IMF分量Fig.4IMFsofsignalswithdifferentfaults（c）不平衡狀態(tài)IMF分量（d）不對(duì)中狀態(tài)IMF分量

22水力發(fā)電學(xué)報(bào)（e）降噪前-不平衡狀態(tài)（f）降噪后-不平衡狀態(tài)（g）降噪前-不對(duì)中狀態(tài)（h）降噪后-不對(duì)中狀態(tài)圖3不同運(yùn)行狀態(tài)下機(jī)組振動(dòng)信號(hào)降噪前后對(duì)比Fig.3Comparisonofnoises-reducedvibrationsignalsindifferentopera....

圖5機(jī)組模擬振動(dòng)信號(hào)EEMD近似熵特征向量輸入PNN后的分類結(jié)果Fig.5ClassificationofEEMDapproximateentropyeigenvectorsofvibrationsignalsinputintoPNN

46000.28561310.59230.75070.49340.49470.2183利用四種運(yùn)行狀態(tài)下的各40組EEMD近似熵特征集創(chuàng)建概率神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練與預(yù)測(cè)，每種狀態(tài)隨機(jī)選取20組數(shù)據(jù)作為訓(xùn)練集樣本，另外20組數(shù)據(jù)作為測(cè)試集樣本。將實(shí)際輸出結(jié)果與期望輸出結(jié)果進(jìn)行對(duì)比得到特....

本文編號(hào)：3995810