文献类型：期刊文章

作　　者：杨新[1] 于佐东[1] 张志远[2] 邴汉昆[3] 申赫男[1] 王继先[1]

YANG Xin;YU Zuo-dong;ZHANG Zhi-yuan;BING Han-kun;SHEN He-nan;WANG Ji-xian(School of Water Conservancy and Hydroelectric Power,Hebei University of Engineering,Handan 056002,China;School of Energy&Architectural Environment Engineering,Henan University of Urban Construction,Pingdingshan 467036,China;Huadian Electric Power Research Institute,Hangzhou 310030,China)

机构地区：[1]河北工程大学水利水电学院,邯郸056002 [2]河南城建学院能源与建筑环境工程学院,平顶山467036 [3]华电电力科学研究院,杭州310030

出　　处：《汽轮机技术》

基　　金：河北省自然科学基金(E2017402084)。

年　　份：2020

卷　　号：62

期　　号：2

起止页码：137-142

语　　种：中文

收录情况：BDHX、BDHX2017、SCOPUS、ZGKJHX、核心刊

摘　　要：针对汽轮机转子发生的典型故障,提出一种基于多特征提取和核主元分析的核极限学习机诊断模型。首先,对测取到的各典型故障时的振动信号进行变分模态分解,获得不同尺度固有模态函数;其次,对各固有模态函数计算特征能量和样本熵组成特征向量;最后,对特征向量采用核主元分析法进行去噪和降维,并将其作为输入进行核极限学习机(遗传算法优化)模型的训练和测试。与基于单一特征向量的模型相比,多种特征提取能够增强模型的输入特征,而核主元分析方法能够明显减少信息冗余和特征向量的相关性,且节约时间成本,在一定程度上提高模型的预测性能,为汽轮机转子故障的诊断研究提供一种新的思路。

关 键 词：特征提取 核主元分析 故障诊断 振动  汽轮机

分 类 号：TK229]