基于多特征提取与核极限学习机的汽轮机转子故障诊断 |
| |
引用本文: | 杨新,于佐东,张志远,邴汉昆,申赫男,王继先.基于多特征提取与核极限学习机的汽轮机转子故障诊断[J].汽轮机技术,2020,62(2). |
| |
作者姓名: | 杨新 于佐东 张志远 邴汉昆 申赫男 王继先 |
| |
作者单位: | 河北工程大学水利水电学院,邯郸056002;河南城建学院能源与建筑环境工程学院,平顶山467036;华电电力科学研究院,杭州310030 |
| |
摘 要: | 针对汽轮机转子发生的典型故障,提出一种基于多特征提取和核主元分析的核极限学习机诊断模型。首先,对测取到的各典型故障时的振动信号进行变分模态分解,获得不同尺度固有模态函数;其次,对各固有模态函数计算特征能量和样本熵组成特征向量;最后,对特征向量采用核主元分析法进行去噪和降维,并将其作为输入进行核极限学习机(遗传算法优化)模型的训练和测试。与基于单一特征向量的模型相比,多种特征提取能够增强模型的输入特征,而核主元分析方法能够明显减少信息冗余和特征向量的相关性,且节约时间成本,在一定程度上提高模型的预测性能,为汽轮机转子故障的诊断研究提供一种新的思路。
|
关 键 词: | 特征提取 核主元分析 故障诊断 振动 汽轮机 |
本文献已被 CNKI 万方数据 等数据库收录! |
|