基于信息熵理论和Parks聚类分析的水电机组振动故障诊断

• 作者: 向秀桥 周建中 安学利 罗志猛 莫莉
• 来源期刊: 大电机技术
• 关键词: 水电机组 振动故障诊断 信息熵理论 Parks聚类分析
• 年，卷（期）: 2009,（4）
• 所属期刊栏目: 电机部分
• 页码范围: 9-12
• 页数: 4页
• 分类号: TM301.4+2
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3983.2009.04.003

摘要

针对水电机组振动故障与征兆之间复杂的非线性关系,将经过整理的水电机组典型故障分别作为标准故障类,每个标准故障类和它所对应的具有代表性的特征参数构成故障类特征向量,建立标准故障特征参数矩阵.采用信息熵理论和Parks聚类分析方法对待检样本进行聚类分析,从而辨识出待检样本最有可能属于哪个故障类,即最有可能是哪种故障.通过实例检验表明理论计算与现场检查结果相符,证明该方法能有效地确定故障类型和发生故障的部位,适合于故障诊断中自动模式识别,具有良好的实际应用前景,为水电机组状态监测及故障诊断提供了一种新途径.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周建中	华中科技大学水电与数字化工程学院	395	5250	35.0	50.0
2	莫莉	华中科技大学水电与数字化工程学院	25	354	12.0	18.0
3	向秀桥	华中科技大学水电与数字化工程学院	12	144	8.0	12.0
4	罗志猛	华中科技大学水电与数字化工程学院	13	125	6.0	11.0
5	安学利	华中科技大学水电与数字化工程学院	15	280	11.0	15.0