基于EEMD和SOM神经网络的水电机组故障诊断

• 作者: 李辉 杨晓萍 焦毛 白亮 罗兴锜
• 来源期刊: 水力发电学报
• 学科: 工学
• 关键词: 水电机组 故障诊断 集合经验模态分解 自组织特征映射网络 奇异谱熵
• 年，卷（期）: 2017,（7）
• 页码范围: 83-91
• 页数: 9页
• 分类号: TM312|TP274+.2
• 语种: 中文
• DOI: 10.11660/slfdxb.20170709

摘要

针对水电机组振动信号的非平稳性和特殊性,提出一种基于集合经验模态分解(EEMD)的奇异谱熵和自组织特征映射网络(SOM)相结合的故障诊断方法.首先采用EEMD对振动信号进行分解,得到本征模态函数(IMF);随后进行奇异谱分解,得到反映振动信号的动态特征向量——奇异谱熵;最后将得到的特征向量输入经过训练的SOM神经网络中进行故障自动识别.结果表明:该方法可以准确地提取机组故障特征,具有更高的识别精度和更快的计算速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨晓萍	西安理工大学水利水电学院	53	870	18.0	28.0
2	白亮	西安理工大学水利水电学院	21	211	8.0	14.0
3	罗兴锜	西安理工大学水利水电学院	154	2176	24.0	38.0
4	李辉	西安理工大学水利水电学院	43	467	14.0	20.0
5	焦毛	西安理工大学水利水电学院	1	15	1.0	1.0