本文關(guān)鍵詞：基于流形學(xué)習(xí)方法的汽輪機(jī)組振動(dòng)特征提取　出處：《振動(dòng).測(cè)試與診斷》2014年04期 　論文類型：期刊論文

  更多相關(guān)文章： 汽輪機(jī)振動(dòng) 故障診斷 特征提取 流形學(xué)習(xí)方法 局部線性嵌入法

【摘要】：為了提高汽輪機(jī)振動(dòng)故障信號(hào)的可分性和診斷正確率,應(yīng)用流行學(xué)習(xí)方法對(duì)汽輪機(jī)振動(dòng)信號(hào)進(jìn)行故障特征提取。研究結(jié)果表明,應(yīng)用流行學(xué)習(xí)方法可以有效地提取汽輪機(jī)振動(dòng)故障的特征信息,將不同故障類型的特征信息有效地區(qū)分開(kāi)來(lái)。運(yùn)用流行學(xué)習(xí)方法進(jìn)行故障特征提取后的診斷結(jié)果與小波包分析方法相比,診斷正確率明顯提高。
[Abstract]:In order to improve the rate of correct diagnosis and separability of fault vibration signals of steam turbine, the application of popular learning methods for fault feature extraction of vibration signal of turbine. The results show that the characteristics of information application of popular learning methods can effectively extract the vibration fault of steam turbine, separate the effective characteristic information area of different fault types. The use of popular learning methods for diagnosis results after the fault feature extraction and wavelet packet analysis method, the correct diagnosis rate is obviously improved.

【作者單位】： 華北電力大學(xué)電站設(shè)備狀態(tài)監(jiān)測(cè)與控制教育部重點(diǎn)實(shí)驗(yàn)室;
【基金】：中央高�；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金資助項(xiàng)目(11QX49)
【分類號(hào)】：TM621.3
【正文快照】： 引言汽輪機(jī)發(fā)電機(jī)組是火電廠的大型關(guān)鍵設(shè)備之一。作為典型的大型旋轉(zhuǎn)機(jī)械,汽輪機(jī)發(fā)電機(jī)組軸系結(jié)構(gòu)復(fù)雜、運(yùn)行環(huán)境惡劣,時(shí)常出現(xiàn)各種故障。由于機(jī)組軸系振動(dòng)信號(hào)中蘊(yùn)含機(jī)組各種故障的特征信息,因此通過(guò)對(duì)汽輪發(fā)電機(jī)組軸系振動(dòng)的監(jiān)測(cè)分析,提取這些故障的特征信息,可以對(duì)機(jī)組出

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 白建社,盛戈v，

本文編號(hào)：1394751