|
|||||
|
|
| EMD动态过程神经网络尾水管故障信息融合诊断 | |
| 引用本文： | 王瀚,张欣伟,罗兴锜,许明海.EMD动态过程神经网络尾水管故障信息融合诊断[J].水力发电学报,2012,31(6). |
| 作者姓名： | 王瀚 张欣伟 罗兴锜 许明海 |
| 作者单位： | 1. 中国水电顾问集团西北勘测设计研究院,西安710065 西安理工大学动力工程系,西安710048 2. 西安理工大学动力工程系,西安,710048 3. 甘肃酒泉供电公司,甘肃酒泉,735000 |
| 基金项目： | 国家自然科学基金项目，陕西省普通高等学校重点学科建设项目，陕西省“13115”科技创新工程技术研究中心项目 |
| 摘 要： | 为准确识别水轮机尾水管涡带状态,本文提出一种基于EMD指标能量的神经网络故障诊断方法。采用经验模态分解方法分离尾水管压力脉动信号,建立基于指标能量的故障特征向量,并以此作为故障样本训练三层离散前馈过程神经网络,形成由动态特征向量到故障类型的映射关系,实现故障信息融合诊断。以水轮机尾水管压力脉动信号为例,进行了应用检验。结果表明,该方法的收敛速度和分类精度优于传统的RBF、BP神经网络法,分类识别的平均百分比误差小,准确度高,适合用于水轮机尾水管涡带的故障融合诊断。 |
| 关 键 词： | 水轮机 尾水管 涡带 EMD指标能量 过程神经网络 融合诊断 |
Process neural network based on EMD for fault fusion diagnosis of draft tube |
|
| Abstract: | |
| Keywords: | hydro turbine draft tube vertex strip index energy process neural network fusion diagnosis |
| 本文献已被 万方数据 等数据库收录！ | |