水電機組結(jié)構(gòu)復(fù)雜,運行環(huán)境惡劣,其運行狀態(tài)受水、機、電多因素耦合影響,使得傳統(tǒng)特征提取方法所得特征敏感性差。針對此問題,提出了基于CL3自適應(yīng)多小波(CL3 adaptive multiwavelets,CL3-AMW)與局部切空間排列(local tangent space alignment,LTSA)的水電機組振動故障特征提取方法。該方法根據(jù)水電機組振動信號特點,對信號處理方法進行自適應(yīng)改變,通過高維振動故障特征集的自適應(yīng)構(gòu)建、特征選擇和特征融合三個方面提高水電機組振動故障特征敏感性。利用該方法進行特征提取實驗,結(jié)果表明,與其他方法相比,所提出的方法能夠提高故障特征參數(shù)敏感性,為準確識別機組振動故障奠定基礎(chǔ)。

【文章頁數(shù)】：9 頁


本文編號：4014433