文献类型：期刊文章

作　　者：石志标[1] 陈斐[1] 曹丽华[2]

SHI Zhibiao;CHEN Fei;CAO Lihua(School of Mechanical Engineering, Northeast Dianli University, Jilin 132012,China;School of Energy and Power Engineering, Northeast Dianli University, Jilin 132012,China)

机构地区：[1]东北电力大学机械工程学院,吉林132012 [2]东北电力大学能源与动力工程学院,吉林132012

出　　处：《振动与冲击》

基　　金：国家自然科学基金(51576036);吉林省科技发展计划项目(20100506)

年　　份：2018

卷　　号：37

期　　号：5

起止页码：79-84

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为了提高汽轮机转子故障诊断的识别准确率和效率,提出基于排列熵与改进的果蝇算法(IFOA)优化相关向量机(RVM)的汽轮机转子故障诊断方法。将实验数据进行自适应完备的集合经验模态分解(CEEMDAN),并选取故障特征敏感的IMF分量计算排列熵,以此构造特征样本集,进而建立"二叉树"IFOA-RVM故障分类器对特征集进行分类,其中IFOA通过两个阶段来定义果蝇群体的搜索范围来提高搜索效率,同时避免RVM核函数陷入局部最优。通过ZT-3汽轮机转子模拟试验台获得的故障数据进行实验研究,结果表明与模糊熵对比,排列熵获得的特征样本集的聚类效果明显;IFOA-RVM分类器在故障识别准确率和效率上优于FOA-RVM等其它分类器;证明了基于排列熵与IFOA-RVM汽轮机转子故障诊断方法的有效性和可行性。

关 键 词：IFOA  RVM 汽轮机转子 故障诊断

分 类 号：TK267]