论文摘要
针对汽轮机运行过程中的非平稳性和多分量性振动故障信号,提出一种基于变分模态分解相对熵云模型和优化最小二乘支持向量机(LSSVM)的汽轮机振动故障诊断方法。首先,利用变分模态分解按照预设尺度将故障信号分解为K个模态分量,根据各模态分量与原始信号的相对熵大小去除伪分量,提取最佳分量并将其输入云模型,采用逆向云发生器提取特征向量。然后使用改进果蝇优化算法动态调整搜索步长搜寻影响LSSVM识别精度的超参数最佳组合,最后将特征向量输入参数优化后的LSSVM进行故障识别,并与采用经验模态分解相对熵云模型和集合经验模态分解相对熵云模型的LSSVM识别结果进行了对比。结果表明:所提方法优于传统的信号分解方法,对汽轮机振动故障类别具有很高的识别准确率。
论文目录
文章来源
类型: 期刊论文
作者: 田松峰,魏言,郁建雄,王傲男,王子光,薛正昂
关键词: 振动故障,变分模态分解,相对熵,云模型,改进果蝇优化算法
来源: 动力工程学报 2019年10期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 动力工程,自动化技术
单位: 华北电力大学能源机械与动力工程学院
分类号: TP277;TK263.61
页码: 818-825
总页数: 8
文件大小: 387K
下载量: 152
相关论文文献
标签：振动故障论文; 变分模态分解论文; 相对熵论文; 云模型论文; 改进果蝇优化算法论文;