基于随机共振和经验模态分解的水力发电机组振动故障诊断

• 作者: 夏洲 李涛涛 贾嵘 马喜平
• 来源期刊: 水利学报
• 学科: 工学
• 关键词: 随机共振 EMD 支持向量机 故障诊断 水力发电机组
• 年，卷（期）: 2017,（3）
• 页码范围: 334-340,350
• 页数: 8页
• 分类号: TM312
• 字数: 4194字
• 语种: 中文
• DOI: 10.13243/j.cnki.slxb.20160918

摘要

针对实际水力发电机组故障诊断中微弱信号难以检测引起故障诊断准确率低的难题,提出了一种基于随机共振(stochastic resonance,SR)和经验模态分解(Empirical Mode Decomposition,EMD)的微弱信号检测方法.首先,采用随机共振对振动信号进行降噪处理,提高信号的信噪比;继而对随机共振的双稳输出信号进行EMD分解,并采用能量法进行故障特征向量的提取,最后将其作为基于遗传算法优化支持向量机(GA-SVM)故障诊断模型的输入,实现故障模式的识别与诊断.仿真结果表明,该方法能够准确识别机组的异常情况,具有较高的故障诊断精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	贾嵘		101	1600	21.0	37.0
2	李涛涛		7	48	4.0	6.0
3	马喜平		5	23	2.0	4.0
4	夏洲		7	15	1.0	3.0