基于多源信号融合的灯泡贯流式机组故障特征提取方法  

作　　者：胡边 

机构地区：[1]五凌电力有限公司,湖南长沙410004

出　　处：《电气工程应用》2024年第2期20-27,共8页

摘　　要：水电机组运行过程中,由于水力、机械、电磁等因素相互耦合,机组往往呈现非平稳、非线性和时变等特性,使得故障的诱因很难确定,导致人们至今仍未完全掌握故障产生的机理。故障特征提取大多采用现代时域分析与其他检测指标相结合的方法。胡晓等采用VMD方法分解水电机组振动信号,得到若干本征模态函数(IMF),再利用IMF构造二维图谱,输入CNN中,挖掘图谱中蕴含的故障特征并实现水电机组的故障诊断;蒋文君等采用EEMD算法分解水电机组振动信号得到一系列IMF分量,计算筛选分量的近似熵值构成多维特征向量,输入PNN进行模式识别,从而提取水电机组振动信号的特征;张飞等采用基于BP神经网络的机组振动预测方法可以作为水电机组状态监测的推荐模型;胡润志等通过改进果蝇算法优化EEMD噪声信号阈值与样本摘相结合对水电机组振动信号进行了重构和特征提取。目前,水电机组在线故障诊断大都只关注振动摆度数据,采用振动诊断技术,存在速度慢、测量频率范围低、高频信号难以识别等端。

关 键 词：模式识别 特征提取 测量频率 信号融合 水电机组 在线故障诊断 PNN 近似熵 

分 类 号：TP3[自动化与计算机技术—计算机科学与技术]