提出了一种基于多维特征和多分类器的水电机组故障诊断方法。通过提取水电机组不同状态下振动信号的时域特征、频域特征和集合经验模态分解-样本熵,构建多维特征,实现特征信息的多维互补,并利用遗传算法对构建的多维特征进行降维处理。以此多维特征作为分类器的输入,分别通过支持向量机、反向传播神经网络和朴素贝叶斯分类器进行故障诊断,将三种分类器的初步诊断结果进行融合得到最终诊断结论,从而提高水电机组故障诊断的准确率。为验证该方法的有效性,将转子不平衡、转子不对中、转子碰磨等故障在转子试验台上进行模拟,并用上述方法进行诊断,结果表明,较单维特征和单分类器,多维特征输入和多分类器融合的故障诊断准确率更高。
类型: 期刊论文
作者: 程晓宜,陈启卷,王卫玉,郑阳,郭定宇,娄强
关键词: 多维特征,多分类器,样本熵,水电机组,故障诊断
来源: 水力发电学报 2019年04期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 水利水电工程,电力工业,自动化技术
单位: 武汉大学水力机械过渡过程教育部重点实验室
基金: 国家自然科学基金(51379160)
分类号: TP181;TV738
页码: 179-186
总页数: 8
文件大小: 568K
下载量: 269
本文来源: https://www.lunwen66.cn/article/38680ff64924d3b9451b48df.html