發(fā)布時間：2024-06-25 19:41

　　對于水電機組非平穩(wěn)非線性振動信號特征提取方法的研究近年來一直是水電機組故障診斷領(lǐng)域研究熱點,特征提取的有效性直接關(guān)系到故障診斷的準確性。本文提出基于集合經(jīng)驗?zāi)�態(tài)分解(EEMD)和近似熵的水電機組振動信號特征提取方法,將信號經(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)進行模式識別。采用經(jīng)驗?zāi)�態(tài)分解(EMD)和近似熵特征提取方法進行對比實驗。識別結(jié)果表明:采用EEMD和近似熵的特征提取方法,能有效區(qū)分機組不同的運行狀態(tài),可為實際工程應(yīng)用提供理論依據(jù)。

【文章頁數(shù)】：10 頁

【部分圖文】：

圖2轉(zhuǎn)子試驗臺系統(tǒng)Fig.2Rotorlaboratorybench

蔣文君，等：基于EEMD近似熵的水電機組振動信號特征提取21和重復(fù)實驗驗證所提方法的高效性和穩(wěn)定性，對比試驗采用EMD近似熵方法。3.1轉(zhuǎn)子試驗臺振動信號利用如圖2所示的轉(zhuǎn)子試驗臺系統(tǒng)采集信號。轉(zhuǎn)子試驗臺由直流電機驅(qū)動，額定電流為1.95A，最大輸出功率為148W，由DH5600....

圖3不同運行狀態(tài)下機組Fig.3Comparisonofnoises-reducedvibrationsignals（g）降噪前-不對中狀態(tài)

22水力發(fā)電學(xué)報（e）降噪前-不平衡狀態(tài)（f）降噪后-不平衡狀態(tài)（g）降噪前-不對中狀態(tài)（h）降噪后-不對中狀態(tài)圖3不同運行狀態(tài)下機組振動信號降噪前后對比Fig.3Comparisonofnoises-reducedvibrationsignalsindifferentopera....

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

22水力發(fā)電學(xué)報（e）降噪前-不平衡狀態(tài)（f）降噪后-不平衡狀態(tài)（g）降噪前-不對中狀態(tài)（h）降噪后-不對中狀態(tài)圖3不同運行狀態(tài)下機組振動信號降噪前后對比Fig.3Comparisonofnoises-reducedvibrationsignalsindifferentopera....

圖5機組模擬振動信號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)進行訓(xùn)練與預(yù)測，每種狀態(tài)隨機選取20組數(shù)據(jù)作為訓(xùn)練集樣本，另外20組數(shù)據(jù)作為測試集樣本。將實際輸出結(jié)果與期望輸出結(jié)果進行對比得到特....

本文編號：3995810