【摘要】：本文建立了小波分析、多重分形谱和改进BP神经网络相结合的水电机组振动故障诊断模型。该模型首先利用小波分解对振动信号波形进行去噪提纯,得到各种故障信号的小波近似系数,应用多重分形谱算法提取出振动故障的特征向量,并将该特征向量作为BP神经网络的输入向量进行分类识别。该模型直接通过振动波形提取信号特征,避免提取其频谱特性,并结合先进的多重分形谱进行诊断识别,为水电机组故障诊断提供了一种新的方法。应用实例表明,该方法能够提高诊断的智能化和人性化,增强了人机交互性,识别结果令人满意。
【作者单位】：
西安理工大学水利水电学院;
【关键词】： 水电机组 振动故障 多重分形谱 小波系数 改进BP神经网络
【基金】：国家自然科学基金项目(51209172) 教育部高等学校博士点基金(20126118130002) 陕西省自然科学基础研究计划项目(2012JM7005)
【分类号】：TV738
【正文快照】：
【关键词】： 水电机组 振动故障 多重分形谱 小波系数 改进BP神经网络
【基金】：国家自然科学基金项目(51209172) 教育部高等学校博士点基金(20126118130002) 陕西省自然科学基础研究计划项目(2012JM7005)
【分类号】：TV738
【正文快照】：
0引言水电机组在实际运行中,会出现各种振源引起的振动,当振动超过一定程度时将严重地威胁机组的安全运行以及机组的使用寿命,因此对水电机组振动故障的诊断是一项重要的工作。特征信号作为机组运动状态或故障的信息载体,其识别能更准确、更有效地实现故障诊断。然而,现有的方
您可以在本站搜索以下学术论文文献来了解更多相关内容
贵阳鱼简河水库坝址区岩体结构面的多重分形 王洪兴;王冠;唐辉明;王亮清;
混凝土材料断裂表面的多重分形特征研究 严安,吴科如,张东,姚武