基于小波色变换和奇异值分解的风机故障诊断研究

• 作者: 刘锦廉 王松岭 许小刚
• 来源期刊: 热力发电
• 学科: 工学
• 关键词: 风机 故障诊断 小波包变换 奇异值分解 BP神经网络
• 年，卷（期）: 2013,（11）
• 所属期刊栏目: 热能科学研究
• 页码范围: 101-106
• 页数: 6页
• 分类号: TM621
• 字数: 4758字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-3364.2013.11.101

摘要

为了通过振动信号准确识别风机的工作状态,提出了利用小波包变换和奇异值分解提取振动信号特征的方法.该方法首先对振动信号进行小波包分解,用分解系数的重构信号构建特征矩阵,然后对此矩阵进行奇异值分解得到其奇异值特征向量,并统计出特征向量的最大值、最小值和均值作为识别风机机械故障的特征参数,最后计算5个测点测量所得振动信号的特征参数,并将其融合得到风机故障小波包奇异值特征向量,再采用动量法和学习速率自适应的改进BP神经网络进行故障诊断.结果表明,该方法能有效地诊断出风机机械故障的类别、程度和发生部位.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王松岭	华北电力大学能源动力与机械工程学院	210	2360	25.0	36.0
2	许小刚	华北电力大学能源动力与机械工程学院	21	136	5.0	11.0
3	刘锦廉	华北电力大学能源动力与机械工程学院	4	71	2.0	4.0