EEMD多尺度熵和ELM在水电机组振动信号特征提取中的应用

• 作者: 何葵东 陈伽 金艳 蒋文君 肖志怀
• 来源期刊: 中国农村水利水电
• 关键词: 水电机组振动信号 集合经验模态分解 多尺度熵 特征提取 极限学习机
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 水电建设
• 页码范围: 176-182,187
• 页数: 8页
• 分类号: TV734.2+|TK05
• 语种: 中文
• DOI: 10.3969/j.issn.1007-2284.2021.05.031

摘要

机组的状态评价及故障诊断基于信号特征提取,水电机组非平稳、非线性振动信号的特征提取是水电领域研究热门.提出了一种基于集合经验模态分解(EEMD)和多尺度熵(MSE)的水电机组振动信号特征提取方法,采用极限学习机(ELM)实现模式识别.对降噪后水电机组振动信号进行EEMD分解,并根据峭度—标准相关系数指标筛选有效本征模态分量(IMF),计算有效IMF的MSE特征值并构建特征向量集,将故障特征集输入ELM后,有效评价机组运行状态,实现机组故障预警,现场试验数据验证了该方法对于水电机组振动信号特征提取的可行性和优越性.