热力发电
熱力髮電
열력발전
THERMAL POWER GENERATION
2013年
11期
101-106
,共6页
风机%故障诊断%小波包变换%奇异值分解%BP神经网络
風機%故障診斷%小波包變換%奇異值分解%BP神經網絡
풍궤%고장진단%소파포변환%기이치분해%BP신경망락
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.
為瞭通過振動信號準確識彆風機的工作狀態,提齣瞭利用小波包變換和奇異值分解提取振動信號特徵的方法.該方法首先對振動信號進行小波包分解,用分解繫數的重構信號構建特徵矩陣,然後對此矩陣進行奇異值分解得到其奇異值特徵嚮量,併統計齣特徵嚮量的最大值、最小值和均值作為識彆風機機械故障的特徵參數,最後計算5箇測點測量所得振動信號的特徵參數,併將其融閤得到風機故障小波包奇異值特徵嚮量,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.結果錶明,該方法能有效地診斷齣風機機械故障的類彆、程度和髮生部位.
위료통과진동신호준학식별풍궤적공작상태,제출료이용소파포변환화기이치분해제취진동신호특정적방법.해방법수선대진동신호진행소파포분해,용분해계수적중구신호구건특정구진,연후대차구진진행기이치분해득도기기이치특정향량,병통계출특정향량적최대치、최소치화균치작위식별풍궤궤계고장적특정삼수,최후계산5개측점측량소득진동신호적특정삼수,병장기융합득도풍궤고장소파포기이치특정향량,재채용동량법화학습속솔자괄응적개진BP신경망락진행고장진단.결과표명,해방법능유효지진단출풍궤궤계고장적유별、정도화발생부위.
