基于EEMD-SDCCⅠ-HMM的水电机组振动故障识别方法

胡晓; 肖志怀; 刘东; 赵文利; 王海; 蒋文君

首页> 中文期刊> 《振动与冲击》 >基于EEMD-SDCCⅠ-HMM的水电机组振动故障识别方法

基于EEMD-SDCCⅠ-HMM的水电机组振动故障识别方法

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

针对水电机组故障诊断问题,提出了一种基于集合经验模态分解(EEMD),曲线趋势编码(CC)和隐马尔科夫模型(HMM)的故障识别方法。该方法首先利用EEMD处理机组振动信号,得到一系列本征模态函数(IMF)然后计算各阶IMF的标准差(SDs)形成标准差曲线,并根据IMF标准差曲线的趋势进行编码构成特征向量。最后将特征向量作为学习样本输入HMM,通过训练得到各状态的HMM。当待测样本输入各状态HMM时,可通过对比各模型输出的对数似然概率值来判断样本所属状态。试验结果表明,该方法能有效提取机组故障特征,识别故障类型,与常规故障识别方法相比,具有较高的准确率。

著录项

来源
《振动与冲击》 |2022年第3期|165-175|共12页
作者
胡晓; 肖志怀; 刘东; 赵文利; 王海; 蒋文君;
展开▼
作者单位

武汉大学动力与机械学院;

武汉大学水力机械过渡过程教育部重点实验室;

武汉大学水资源与水电工程科学国家重点实验室;

国家能源集团新疆开都河流域水电开发有限公司;

展开▼
原文格式 PDF
正文语种 chi
中图分类动力机械;
关键词
水电机组; 集合经验模态分解(EEMD); 曲线趋势编码(CC); 隐马尔科夫模型(HMM); 故障识别;

相似文献

中文文献
外文文献
专利

1. 基于KL-CEEMD的高位布置汽轮机组转子故障振动信号虚假分量识别方法 [J] . 张伟江 ,唐广通 ,李路江 . 汽轮机技术 . 2022,第2期
2. 基于广义S变换和QPSO-SVM的水电机组振动故障诊断方法 [J] . 徐永干 ,冉恒 ,苟鑫 . 陕西电力 . 2020,第002期
3. 基于广义S变换和QPSO-SVM的水电机组振动故障诊断方法 [J] . 徐永干 ,冉恒 ,苟鑫 . 智慧电力 . 2020,第002期
4. 基于振动能量趋势预测和K均值聚类的水电机组故障预警方法研究 [J] . 曲力涛 ,潘罗平 ,曹登峰 . 水力发电 . 2019,第005期
5. 基于小波包分析的水电机组振动故障诊断研究 [J] . 李均 . 山东工业技术 . 2017,第001期
6. 基于时间序列相似性挖掘的水电机组振动故障诊断研究 [C] . 李辉 ,罗兴锜 ,白亮 . 第二届全国水力机械及其系统学术会议 . 2009
7. 基于经验模态分解和神经网络的水电机组振动故障诊断 [A] . 付杰 . 2018

基于EEMD-SDCCⅠ-HMM的水电机组振动故障识别方法

摘要

著录项

相似文献

相关主题

期刊订阅