基于时移多尺度注意熵和随机森林的水电机组故障诊断

陈飞; 王斌; 刘婷; 张文静; 高园晨; 陈帝伊

首页> 中文期刊> 《水利学报》 >基于时移多尺度注意熵和随机森林的水电机组故障诊断

基于时移多尺度注意熵和随机森林的水电机组故障诊断

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

针对传统诊断方法难以在高噪声环境下进行故障精准识别的问题,本文提出了一种抗噪性能良好、识别率高的水电机组故障诊断方法。首先,基于分形理论,提出了一种度量信号复杂度的工具——时移多尺度注意熵(Time-shifted multiscale attention entropy,TSMATE)。然后,利用主成分分析(Principal component analysis,PCA)对TSMATE进行降维处理,克服了特征冗杂问题。最终,将降维后的特征输入到随机森林(Random forests,RF)模型进行诊断。通过对振动信号添加不同信噪比的噪声,探究不同噪声强度下所提模型的抗噪性能。仿真实验表明,TSMATE-PCA-RF在0 dB、1 dB、2 dB以及3 dB四种不同信噪比噪声干扰下,分别取得了98.06%、98.89%、99.17%以及99.17%的诊断率,验证了所提模型具有良好的抗噪性能。该研究为水电机组故障诊断提供了新手段。

著录项

来源
《水利学报》 |2022年第3期|358-368|共12页
作者
陈飞; 王斌; 刘婷; 张文静; 高园晨; 陈帝伊;
展开▼
作者单位

西北农林科技大学水利与工程建筑学院;

展开▼
原文格式 PDF
正文语种 chi
中图分类水轮发电机;
关键词
时移多尺度注意熵; 随机森林; 主成分分析; 水电机组; 故障诊断;

相似文献

中文文献
外文文献
专利

1. 一种时移多尺度排列熵与ELM相结合的滚动轴承故障诊断方法 [J] . 董治麟 ,郑近德 ,潘海洋 . 机械科学与技术 . 2021,第010期
2. 改进多尺度幅值感知排列熵与随机森林结合的滚动轴承故障诊断 [J] . 吴海滨 ,陈寅生 ,张庭豪 . 光学精密工程 . 2020,第003期
3. 基于多尺度排列熵和支持向量机的风力发电机组齿轮箱振动故障诊断 [J] . 刘骊 ,贾嵘 ,李涛涛 . 电网与清洁能源 . 2017,第005期
4. 基于信息熵理论和Parks聚类分析的水电机组振动故障诊断 [J] . 安学利 ,周建中 ,向秀桥 . 大电机技术 . 2009,第004期
5. 基于改进的本征时间尺度分解和基本尺度熵的齿轮故障诊断方法 [J] . 钟先友 ,赵春华 ,陈保家 . 中南大学学报（自然科学版） . 2015,第003期
6. 基于自适应多尺度模糊熵的转子系统故障诊断方法 [C] . ZHENG Jinde ,郑近德 ,PAN Haiyang . 2016年全国设备监测诊断与维护学术会议、第十五届全国设备故障诊断学术会议、第十七届全国设备监测与诊断学术会议、2016年全国设备诊断工程会议 . 2016
7. 基于时频分析与非线性熵的水电机组智能故障诊断与状态趋势预测研究 [A] . 张炜博 . 2019

基于时移多尺度注意熵和随机森林的水电机组故障诊断

摘要

著录项

相似文献

相关主题

期刊订阅