基于分形和概率神经网络的水电机组故障诊断

• 作者: 李欣同 李辉 罗兴锜 贾嵘 赵基星
• 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 多重分形 概率神经网络 人工鱼群算法
• 年，卷（期）: 2019,（3）
• 页码范围: 92-100
• 页数: 9页
• 分类号: TM312
• 语种: 中文
• DOI: 10.11660/slfdxb.20190310

摘要

水电机组振动信号属于非线性、非平稳信号,在不同尺度下呈现一定的相似性,是典型的分形信号.本文运用多重分形方法分析机组振动信号,提取信号的广义维数谱特征,并应用人工鱼群算法优化的概率神经网络进行故障诊断.诊断实例表明,多重分形和概率神经网络结合,能够准确辨别故障类型.与BP和RBF网络相比,该方法诊断识别率更高,速度更快,为机组运行维护人员提供更为可靠的参考依据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗兴锜	西安理工大学水利水电学院	154	2176	24.0	38.0
2	贾嵘	西安理工大学水利水电学院	101	1600	21.0	37.0
3	李辉	西安理工大学水利水电学院	43	467	14.0	20.0
4	李欣同		1	2	1.0	1.0