基于EEMD近似熵的水电机组振动信号特征提取

• 作者: 张培 肖志怀 胡晓 蒋文君 邓盛名
• 来源期刊: 水力发电学报
• 学科: 工学
• 关键词: 水电机组振动信号 集合经验模态分解 近似熵 特征提取 概率神经网络
• 年，卷（期）: 2020,（6）
• 页码范围: 18-27
• 页数: 10页
• 分类号: TV734.2+|TK05
• 语种: 中文
• DOI: 10.11660/slfdxb.20200602

摘要

对于水电机组非平稳非线性振动信号特征提取方法的研究近年来一直是水电机组故障诊断领域研究热点,特征提取的有效性直接关系到故障诊断的准确性.本文提出基于集合经验模态分解(EEMD)和近似熵的水电机组振动信号特征提取方法,将信号经EEMD分解后筛选得到的本征模态分量(IMF)近似熵特征值输入概率神经网络(PNN)进行模式识别.采用经验模态分解(EMD)和近似熵特征提取方法进行对比实验.识别结果表明:采用EEMD和近似熵的特征提取方法,能有效区分机组不同的运行状态,可为实际工程应用提供理论依据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	肖志怀	武汉大学动力与机械学院	79	448	10.0	16.0
2	胡晓	武汉大学动力与机械学院	14	14	2.0	3.0
3	张培		3	3	1.0	1.0
4	邓盛名		4	5	2.0	2.0
5	蒋文君	武汉大学动力与机械学院	1	0	0.0	0.0