中央高校基本科研业务费专项资金(12MS116)
- 作品数：4 被引量：56H指数：3
- 相关作者：许小刚王松岭刘锦廉戴谦李非更多>>
- 相关机构：华北电力大学中国专利信息中心更多>>
- 发文基金：中央高校基本科研业务费专项资金河北省自然科学基金更多>>
- 相关领域：自动化与计算机技术电气工程动力工程及工程热物理机械工程更多>>
- 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被引量：9
- 2013年
- 将时间序列的符号动力学信息熵H k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。
- 王松岭许小刚刘锦廉戴谦
- 关键词：风机故障诊断神经网络
- 基于小波包能量分析及改进支持向量机的风机机械故障诊断被引量：34
- 2013年
- 为了准确诊断风机的机械故障,提出了一种基于小波包能量特征和改进支持向量机的诊断方法.在某4-73No.8D风机实验台上对13种不同运行状态下的振动信号进行采集,利用小波包对振动信号进行消噪、分解与重构,提取其小波包能量特征,得到了各运行状态下风机多测点信息融合的小波包能量特征向量,并利用改进支持向量机对特征向量样本集进行训练与测试,实现了风机机械故障的分类诊断.结果表明:该诊断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,且诊断准确率高、测试时间短,适用于在线机械诊断.
- 许小刚王松岭刘锦廉
- 关键词：风机故障诊断支持向量机
- 基于小波包变换和奇异值分解的风机故障诊断研究被引量：13
- 2013年
- 为了通过振动信号准确识别风机的工作状态,提出了利用小波包变换和奇异值分解提取振动信号特征的方法。该方法首先对振动信号进行小波包分解,用分解系数的重构信号构建特征矩阵,然后对此矩阵进行奇异值分解得到其奇异值特征向量,并统计出特征向量的最大值、最小值和均值作为识别风机机械故障的特征参数,最后计算5个测点测量所得振动信号的特征参数,并将其融合得到风机故障小波包奇异值特征向量,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。结果表明,该方法能有效地诊断出风机机械故障的类别、程度和发生部位。
- 王松岭刘锦廉许小刚
- 关键词：风机故障诊断小波包变换奇异值分解BP神经网络
- 基于改进支持向量机的风机性能在线监测平台研究被引量：1
- 2013年
- 风机性能实时监测对电厂安全、经济运行具有重要意义,而对风机流量的准确实时监测是风机性能在线监测的关键。针对现场缺乏大管径流量准确测量手段的现状,本文采用风机无因次性能曲线中性能参数之间稳定的映射规律,并通过不同智能算法建立了风机全程流量测量模型,结果发现改进的支持向量机模型拟合精度更高,效果更好。最后,在改进支持向量机模型基础上,采用Visual Basic语言与Matlab混合编程方法,建立了风机性能在线监测平台,实现了对风机实际工况下的流量、性能的实时监测。
- 王松岭许小刚刘锦廉李非戴谦
- 关键词：风机支持向量机神经网络在线监测
