华北电力大学学报(自然科学版)
華北電力大學學報(自然科學版)
화북전력대학학보(자연과학판)
Journal of North China Electric Power University
2013年
4期
51-58
,共8页
王松岭%许小刚%刘锦廉%戴谦
王鬆嶺%許小剛%劉錦廉%戴謙
왕송령%허소강%류금렴%대겸
风机%故障诊断%符号动力学信息熵%神经网络%优化
風機%故障診斷%符號動力學信息熵%神經網絡%優化
풍궤%고장진단%부호동역학신식적%신경망락%우화
fan%fault diagnosis%symbolic dynamics entropy%neural network%optimization
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.
將時間序列的符號動力學信息熵Hk應用在風機振動信號的分析中,能夠真實地反映風機不同故障類型的差異.為瞭準確診斷風機的機械故障,提齣瞭一種對多測點振動信號提取符號動力學信息熵的風機故障特徵嚮量提取方法,再採用動量法和學習速率自適應的改進BP神經網絡進行故障診斷.診斷結果錶明此方法能夠有效地診斷風機機械故障的類彆、嚴重程度和髮生部位,診斷時間短,適用于現場風機故障的在線診斷.
장시간서렬적부호동역학신식적Hk응용재풍궤진동신호적분석중,능구진실지반영풍궤불동고장류형적차이.위료준학진단풍궤적궤계고장,제출료일충대다측점진동신호제취부호동역학신식적적풍궤고장특정향량제취방법,재채용동량법화학습속솔자괄응적개진BP신경망락진행고장진단.진단결과표명차방법능구유효지진단풍궤궤계고장적유별、엄중정도화발생부위,진단시간단,괄용우현장풍궤고장적재선진단.
