| 基于符号动力学信息熵与改进神经网络的风机故障诊断研究 |
| |
| 引用本文： | 王松岭,许小刚,刘锦廉,戴谦. 基于符号动力学信息熵与改进神经网络的风机故障诊断研究[J]. 华北电力大学学报(自然科学版), 2013, 40(4) |
| |
| 作者姓名： | 王松岭 许小刚 刘锦廉 戴谦 |
| |
| 作者单位： | 1. 华北电力大学能源动力与机械工程学院,河北保定,071003
2. 中国专利信息中心,北京,100088 |
| |
| 基金项目： | 河北省自然科学基金资助项目，中央高校基本科研业务费专项资金资助 |
| |
| 摘 要： | 将时间序列的符号动力学信息熵Hk应用在风机振动信号的分析中,能够真实地反映风机不同故障类型的差异.为了准确诊断风机的机械故障,提出了一种对多测点振动信号提取符号动力学信息熵的风机故障特征向量提取方法,再采用动量法和学习速率自适应的改进BP神经网络进行故障诊断.诊断结果表明此方法能够有效地诊断风机机械故障的类别、严重程度和发生部位,诊断时间短,适用于现场风机故障的在线诊断.
|
| 关 键 词： | 风机 故障诊断 符号动力学信息熵 神经网络 优化 |
Fault diagnosis of fan based on symbolic dynamics entropy and improved neural network |
| |
| WANG Song-ling , XU Xiao-gang , LIU Jin-lian , DAI Qian. Fault diagnosis of fan based on symbolic dynamics entropy and improved neural network[J]. Journal of North China Electric Power University, 2013, 40(4) |
| |
| Authors: | WANG Song-ling XU Xiao-gang LIU Jin-lian DAI Qian |
| |
| Abstract: | |
| |
| Keywords: | fan fault diagnosis symbolic dynamics entropy neural network optimization |
| 本文献已被 万方数据 等数据库收录！ |
|
