期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
EEMD多尺度熵和ELM在水电机组振动信号特征提取中的应用
被引量：
23
1
作者
何葵东
陈伽
+2 位作者
金艳
蒋文君
肖志怀
《中国农村水利水电》
北大核心
2021年第5期176-182,187,共8页
机组的状态评价及故障诊断基于信号特征提取,水电机组非平稳、非线性振动信号的特征提取是水电领域研究热门。提出了一种基于集合经验模态分解(EEMD)和多尺度熵(MSE)的水电机组振动信号特征提取方法,采用极限学习机(ELM)实现模式识别。...
机组的状态评价及故障诊断基于信号特征提取,水电机组非平稳、非线性振动信号的特征提取是水电领域研究热门。提出了一种基于集合经验模态分解(EEMD)和多尺度熵(MSE)的水电机组振动信号特征提取方法,采用极限学习机(ELM)实现模式识别。对降噪后水电机组振动信号进行EEMD分解,并根据峭度—标准相关系数指标筛选有效本征模态分量(IMF),计算有效IMF的MSE特征值并构建特征向量集,将故障特征集输入ELM后,有效评价机组运行状态,实现机组故障预警,现场试验数据验证了该方法对于水电机组振动信号特征提取的可行性和优越性。
展开更多
关键词
水电机组振动信号
集合经验模态分解
多尺度熵
特征提取
极限学习机
在线阅读
下载PDF
职称材料
基于IMF-MFDE和GRU的水电机组故障诊断
被引量：
3
2
作者
朱文鑫
王淑青
《水电能源科学》
北大核心
2024年第4期173-177,共5页
针对水电机组振动信号非平稳、非线性及强噪声的特点,提出了一种IMF多尺度波动散布熵(MFDE)结合门控循环单元(GRU)的故障诊断方法。首先,采用跳蛛优化算法(JSOA)寻找变分模态分解(VMD)最优参数,达到振动信号最佳分解降噪效果;其次,对分...
针对水电机组振动信号非平稳、非线性及强噪声的特点,提出了一种IMF多尺度波动散布熵(MFDE)结合门控循环单元(GRU)的故障诊断方法。首先,采用跳蛛优化算法(JSOA)寻找变分模态分解(VMD)最优参数,达到振动信号最佳分解降噪效果;其次,对分解得到的本征模态函数(IMF)进行重构,计算有效IMF的多尺度波动散布熵(MFDE)作为故障特征向量;最后,将特征向量输入GRU构建水电机组故障识别器。所提方法对实际水电站机组故障样本数据的故障识别率达97.83%,验证了该方法的有效性。
展开更多
关键词
水电机组振动信号
故障诊断
跳蛛优化算法
变分模态分解
多尺度波动散布熵
在线阅读
下载PDF
职称材料
基于EEMD-GA-BP的水电机组状态趋势预测
被引量：
16
3
作者
陆丹
肖志怀
+2 位作者
刘东
胡晓
邓涛
《中国农村水利水电》
北大核心
2021年第8期186-194,共9页
电厂、电网的安全稳定与水电机组的运行状态息息相关。机组状态趋势预测弥补了故障诊断作为事后决策的不足,通过预测提前发现故障征兆,可以避免事故发生。本文结合EEMD和神经网络理论,提出了一种水电机组状态趋势预测模型。以国内某两...
电厂、电网的安全稳定与水电机组的运行状态息息相关。机组状态趋势预测弥补了故障诊断作为事后决策的不足,通过预测提前发现故障征兆,可以避免事故发生。本文结合EEMD和神经网络理论,提出了一种水电机组状态趋势预测模型。以国内某两电站的机组振动状态趋势预测为例,首先对机组振动信号进行EEMD分解,其次利用GA-BP预测模型预测各IMF分量运行趋势,最终预测信号是各分量的预测结果累加得到。实验结果表明,该模型能实现机组振动状态趋势的有效预测,相较于其他方法精度更高。
展开更多
关键词
水电机组振动信号
集合经验模态分解
趋势预测
GA-BP神经网络
在线阅读
下载PDF
职称材料
题名
EEMD多尺度熵和ELM在水电机组振动信号特征提取中的应用
被引量：
23
1
作者
何葵东
陈伽
金艳
蒋文君
肖志怀
机构
湖南五凌电力科技有限公司
五凌电力有限公司株溪口水电厂
武汉大学动力与机械学院
出处
《中国农村水利水电》
北大核心
2021年第5期176-182,187,共8页
基金
国家自然科学基金项目(51979204)
湖南五凌电力科技有限公司项目(3320145JX0120200010)。
文摘
机组的状态评价及故障诊断基于信号特征提取,水电机组非平稳、非线性振动信号的特征提取是水电领域研究热门。提出了一种基于集合经验模态分解(EEMD)和多尺度熵(MSE)的水电机组振动信号特征提取方法,采用极限学习机(ELM)实现模式识别。对降噪后水电机组振动信号进行EEMD分解,并根据峭度—标准相关系数指标筛选有效本征模态分量(IMF),计算有效IMF的MSE特征值并构建特征向量集,将故障特征集输入ELM后,有效评价机组运行状态,实现机组故障预警,现场试验数据验证了该方法对于水电机组振动信号特征提取的可行性和优越性。
关键词
水电机组振动信号
集合经验模态分解
多尺度熵
特征提取
极限学习机
Keywords
vibration signal of hydropower unit
ensemble empirical mode decomposition
multi-scale entropy
feature extraction
extreme learning machine
分类号
TV734.2 [水利工程—水利水电工程]
TK05 [动力工程及工程热物理]
在线阅读
下载PDF
职称材料
题名
基于IMF-MFDE和GRU的水电机组故障诊断
被引量：
3
2
作者
朱文鑫
王淑青
机构
湖北工业大学电气与电子工程学院
出处
《水电能源科学》
北大核心
2024年第4期173-177,共5页
文摘
针对水电机组振动信号非平稳、非线性及强噪声的特点,提出了一种IMF多尺度波动散布熵(MFDE)结合门控循环单元(GRU)的故障诊断方法。首先,采用跳蛛优化算法(JSOA)寻找变分模态分解(VMD)最优参数,达到振动信号最佳分解降噪效果;其次,对分解得到的本征模态函数(IMF)进行重构,计算有效IMF的多尺度波动散布熵(MFDE)作为故障特征向量;最后,将特征向量输入GRU构建水电机组故障识别器。所提方法对实际水电站机组故障样本数据的故障识别率达97.83%,验证了该方法的有效性。
关键词
水电机组振动信号
故障诊断
跳蛛优化算法
变分模态分解
多尺度波动散布熵
Keywords
vibration signal of hydroelectric unit
fault diagnosis
JSOA
VMD
MFDE
分类号
TV734.1 [水利工程—水利水电工程]
TK05 [动力工程及工程热物理]
在线阅读
下载PDF
职称材料
题名
基于EEMD-GA-BP的水电机组状态趋势预测
被引量：
16
3
作者
陆丹
肖志怀
刘东
胡晓
邓涛
机构
武汉大学水力机械过渡过程教育部重点实验室
武汉大学水资源与水电工程科学国家重点实验室
武汉大学后勤保障部水电中心
出处
《中国农村水利水电》
北大核心
2021年第8期186-194,共9页
基金
国家自然科学基金项目(51979204)。
文摘
电厂、电网的安全稳定与水电机组的运行状态息息相关。机组状态趋势预测弥补了故障诊断作为事后决策的不足,通过预测提前发现故障征兆,可以避免事故发生。本文结合EEMD和神经网络理论,提出了一种水电机组状态趋势预测模型。以国内某两电站的机组振动状态趋势预测为例,首先对机组振动信号进行EEMD分解,其次利用GA-BP预测模型预测各IMF分量运行趋势,最终预测信号是各分量的预测结果累加得到。实验结果表明,该模型能实现机组振动状态趋势的有效预测,相较于其他方法精度更高。
关键词
水电机组振动信号
集合经验模态分解
趋势预测
GA-BP神经网络
Keywords
vibration signal of hydropower unit
ensemble empirical mode decomposition
trend prediction
GA-BP neural network
分类号
TV3 [水利工程—水工结构工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
EEMD多尺度熵和ELM在水电机组振动信号特征提取中的应用
何葵东
陈伽
金艳
蒋文君
肖志怀
《中国农村水利水电》
北大核心
2021
23
在线阅读
下载PDF
职称材料
2
基于IMF-MFDE和GRU的水电机组故障诊断
朱文鑫
王淑青
《水电能源科学》
北大核心
2024
3
在线阅读
下载PDF
职称材料
3
基于EEMD-GA-BP的水电机组状态趋势预测
陆丹
肖志怀
刘东
胡晓
邓涛
《中国农村水利水电》
北大核心
2021
16
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
