基于多特征提取与核极限学习机的汽轮机转子故障诊断

• 作者: 于佐东 张志远 杨新 王继先 申赫男 邴汉昆
• 来源期刊: 汽轮机技术
• 学科: 工学
• 关键词: 特征提取 核主元分析 故障诊断 振动 汽轮机
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 运行维护
• 页码范围: 137-142
• 页数: 6页
• 分类号: TK229
• 字数: 5293字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-5884.2020.02.017

摘要

针对汽轮机转子发生的典型故障,提出一种基于多特征提取和核主元分析的核极限学习机诊断模型.首先,对测取到的各典型故障时的振动信号进行变分模态分解,获得不同尺度固有模态函数;其次,对各固有模态函数计算特征能量和样本熵组成特征向量;最后,对特征向量采用核主元分析法进行去噪和降维,并将其作为输入进行核极限学习机(遗传算法优化)模型的训练和测试.与基于单一特征向量的模型相比,多种特征提取能够增强模型的输入特征,而核主元分析方法能够明显减少信息冗余和特征向量的相关性,且节约时间成本,在一定程度上提高模型的预测性能,为汽轮机转子故障的诊断研究提供一种新的思路.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于佐东	河北工程大学水利水电学院	15	70	5.0	7.0
2	邴汉昆		13	13	2.0	3.0
3	张志远	河南城建学院能源与建筑环境工程学院	5	1	1.0	1.0
4	杨新	河北工程大学水利水电学院	3	1	1.0	1.0
5	申赫男	河北工程大学水利水电学院	2	1	1.0	1.0
6	王继先	河北工程大学水利水电学院	1	0	0.0	0.0