基于EMD和Multi-fractal spectrum的BP水机故障诊断

• 作者: 薛延刚
• 来源期刊: 排灌机械工程学报
• 学科: 农学
• 关键词: 水轮机组 故障诊断 经验模态分解 多重分形谱 BP神经网络
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 排灌装备制造技术
• 页码范围: 455-460
• 页数: 6页
• 分类号: S277.9
• 字数: 4472字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-8530.15.1033

摘要

为了准确判断水轮机组的故障,提高水轮机组诊断的精确性,建立了EMD-Multi-fractal spectrum和改进BP神经网络相结合的机组振动故障诊断模型.选取水轮发电机组不同工况下的轴系正常、轴承油膜涡动、转子部件不平衡、转子不对中等状态,采集各状态下的振动信号.经过经验模态分解得到振动信号波各种故障信号的EMD分量,根据信号波形趋势图由EMD系数提取出波形样本,再由多重分形谱算法提取波形样本的特征值alpha(q),f(q),将该特征向量作为BP神经网络的输入进行分类识别.将训练好的神经网络应用于全部样本,得到测试正确率为100%.该模型用波形提取信号特征代替了传统的频谱特性,并结合先进的多重分形谱进行诊断识别,为水轮发电机组故障诊断提供了一种新的思路.应用信号采集于水电厂运行的水轮机,根据诊断的结果对轴系各个部件进行局部校正,通过检测发现振动和摆度都大大减弱.该方法提高了检测精度,增强了人机交互性,具有重要的理论意义和实用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	薛延刚	兰州工业学院电气工程学院	9	23	3.0	4.0