基于OVMD-TVFEMD二次分解和HPO-ELM的水电机组振动趋势预测 被引量：5

1

作者 张楠 朱永奇 +2 位作者 孙娜 赖昕杰 李超顺 《水电能源科学》 北大核心 2023年第10期204-207,199,共5页

针对已有水电机组振动趋势预测模型的局限性,提出了一种基于最优变分模态分解(OVMD)、时变滤波器经验模态分解(TVFEMD)、猎人猎物优化算法(HPO)和极限学习机(ELM)的水电机组振动趋势预测方法。该方法先通过OVMD对原始水电机组振动信号... 针对已有水电机组振动趋势预测模型的局限性,提出了一种基于最优变分模态分解(OVMD)、时变滤波器经验模态分解(TVFEMD)、猎人猎物优化算法(HPO)和极限学习机(ELM)的水电机组振动趋势预测方法。该方法先通过OVMD对原始水电机组振动信号进行自适应分解,进一步采用TVFEND对分解后的残差进行二次分解。然后建立各子序列的HPO-ELM振动趋势预测模型;叠加重构所有子序列预测结果获得最终的预测振动信号。研究结果表明,该方法预测效果明显优于传统方法,有效提高了水电机组振动趋势预测精度,具有较好的工程应用价值。 展开更多

关键词 水电机组振动趋势预测 最优变分模态分解 二次分解 极限学习机 优化算法

在线阅读 下载PDF 职称材料

基于CNN-BiGRU的水电机组振动趋势预测 被引量：8

2

作者 邓玉敏 张雪桂 +2 位作者 马历 严耀亮 李超顺 《中国农村水利水电》 北大核心 2022年第9期213-217,共5页

水电机组振动信号是健康状态评价和劣化预警的重要内容,准确预测机组振动变化趋势可以提高机组运行的安全性和可靠性。针对目前单一模型难以获得最优预测结果的问题,提出了一种CNN-BiGRU组合模型振动预测方法。首先,利用卷积神经网络(C... 水电机组振动信号是健康状态评价和劣化预警的重要内容,准确预测机组振动变化趋势可以提高机组运行的安全性和可靠性。针对目前单一模型难以获得最优预测结果的问题,提出了一种CNN-BiGRU组合模型振动预测方法。首先,利用卷积神经网络(CNN)提取数据局部特征,然后,将其与双向门控循环单元(BiGRU)网络并行,构建出CNN-BiGRU组合预测模型。该模型旨在通过将CNN的自适应提取局部信息能力与BiGRU的时间系列预测优势相结合,提高预测精度和通用性。最后,以国内某水电站机组轴向振动峰峰值进行预测研究,结果表明,所提模型可有效预测机组振动变化趋势,为水电机组振动预测提供一种新思路。 展开更多

关键词 水电机组 振动预测 CNN BiGRU

在线阅读 下载PDF 职称材料

基于STOA-VMD和改进TCN模型的水泵机组振动趋势预测

3

作者 王伟生 张宁 +5 位作者 邢磊 周保林 郭新帅 安东 高源 张孝远 《人民黄河》 北大核心 2025年第4期141-144,151,共5页

水泵机组振动趋势预测是保障机组正常运行的重要措施,而振动信号的复杂性和非线性使预测变得困难。为此,提出一种基于STOA-VMD和改进时间卷积网络(TCN)的水泵机组振动趋势预测模型。首先采用乌燕鸥算法(STOA)进行变分模态分解(VMD)参数... 水泵机组振动趋势预测是保障机组正常运行的重要措施,而振动信号的复杂性和非线性使预测变得困难。为此,提出一种基于STOA-VMD和改进时间卷积网络(TCN)的水泵机组振动趋势预测模型。首先采用乌燕鸥算法(STOA)进行变分模态分解(VMD)参数优化,实现振动信号的最优自适应分解,然后利用改进TCN对每个分解模态进行预测,最后叠加所有结果得到最终预测结果。以国内某雨水泵站水泵机组为例,基于水导轴承水平向摆度数据进行模型验证。结果表明:上述组合模型的预测值与监测值的变化趋势基本一致,其具有良好的预测能力。与STOA-VMD-TCN、VMD-EnTCN、VMD-TCN、TCN模型相比,所提出模型的E_(MA)、E_(RMS)、E_(MAP)最小,预测精度最高。 展开更多

关键词 时间卷积网络 乌燕鸥算法 变分模态分解 振动信号 趋势预测 水泵机组

在线阅读 下载PDF 职称材料

基于参数自适应SVR和VMD-TCN的水电机组劣化趋势预测 被引量：5

4

作者 王淑青 柯洋洋 +2 位作者 胡文庆 罗平章 李青珏 《中国农村水利水电》 北大核心 2024年第4期193-198,204,共7页

针对水电机组难以利用实时监测数据对机组劣化状态进行有效评估,以及水电机组不同运行工况对运行状态指标趋势预测模型参数影响显著的问题,提出一种基于参数自适应支持向量回归机(SVR)、变分模态分解(VMD)和时间卷积网络(TCN)的水电机... 针对水电机组难以利用实时监测数据对机组劣化状态进行有效评估,以及水电机组不同运行工况对运行状态指标趋势预测模型参数影响显著的问题,提出一种基于参数自适应支持向量回归机(SVR)、变分模态分解(VMD)和时间卷积网络(TCN)的水电机组劣化趋势预测方法;首先按照功率和水头将机组运行工况细化为若干典型工况,在此基础上采用改进天鹰算法建立SVR模型,对各个工况下的预测参数进行寻优,建立起工况与最优参数的数据;再通过神经网络对工况和最优预测参数进行拟合,构建出映射两者复杂关系的非线性函数,然后将构建出的映射关系加入到传统的SVR中,实现适应于水电机组工况变化的自适应SVR健康模型;其次,根据健康模型输出的标准值和监测数据,计算出劣化趋势序列;最后,考虑到劣化趋势序列的非线性因素,建立了一个基于VMD-TCN的时间序列预测模型,以实现对劣化趋势的准确预测。并设计多组对比实验,验证所提出模型的精度更高,时间更快。 展开更多

关键词 水电机组 劣化趋势预测 参数自适应 支持向量回归机 变分模态分解 时间卷积网络

在线阅读 下载PDF 职称材料

基于运行效率分布差异的水电机组劣化状态趋势预测 被引量：4

5

作者 谭卫林 刘颉 +3 位作者 袁晓辉 张勇传 时有松 高华 《水电能源科学》 北大核心 2024年第3期176-180,共5页

为解决水电机组劣化状态难以刻画及预测精度低的问题,需深入探究不同机组状态下运行效率的分布差异特性,提出了一种基于运行效率分布差异的水电机组劣化状态趋势预测方法。首先,综合考虑水电机组工况(水头、流量)与效率之间映射关系和... 为解决水电机组劣化状态难以刻画及预测精度低的问题,需深入探究不同机组状态下运行效率的分布差异特性,提出了一种基于运行效率分布差异的水电机组劣化状态趋势预测方法。首先,综合考虑水电机组工况(水头、流量)与效率之间映射关系和状态监测数据随机性,利用高斯混合模型拟合多工况下机组健康状态运行效率的概率分布特性;在此基础上,计算观测样本在机组健康状态分布下的负对数似然概率,并以此作为水电机组劣化状态指标,表征观测样本与机组健康状态标准分布之间的偏差;进一步采用非因果原理和高斯误差线性单元,分别改进时间卷积网络(TCN)的膨胀卷积模块和残差模块,并融合门控循环单元(GRU),设计并构建水电机组劣化状态预测模型;最后,利用某水电站#6机组实际运行监测数据开展方法验证。结果表明,所提方法能有效提升机组劣化状态趋势预测精度。 展开更多

关键词 水电机组 机组效率 劣化状态指标 趋势预测 时间卷积网络 门控循环单元

在线阅读 下载PDF 职称材料

基于果蝇优化算法的GRNN水电机组状态趋势预测 被引量：11

6

作者 田源 张彼德 +4 位作者 刘代伟 汪凤 吴华丰 陈笑 师鹏 《水电能源科学》 北大核心 2012年第12期127-129,89,共4页

针对水电机组振动的非线性、非平稳特性,提出了一种基于果蝇优化算法(FOA)的广义回归神经网络(GRNN)模型(FOAGRNN),实现了GRNN分布参数的优化选择,并对四川省新政航电工程3台机组5个不同部位的振动序列峰峰值进行了预测,与BP神经网络预... 针对水电机组振动的非线性、非平稳特性,提出了一种基于果蝇优化算法(FOA)的广义回归神经网络(GRNN)模型(FOAGRNN),实现了GRNN分布参数的优化选择,并对四川省新政航电工程3台机组5个不同部位的振动序列峰峰值进行了预测,与BP神经网络预测结果的均方误差(MSE)对比结果表明,FOAGRNN预测精度较高。 展开更多

关键词 水电机组 果蝇优化算法 趋势预测 广义回归神经网络

在线阅读 下载PDF 职称材料

基于RFOA优化GRNN的水电机组振动预测 被引量：16

7

作者 王继选 胡润志 +3 位作者 管一 张少恺 曹庆皎 王利英 《振动与冲击》 EI CSCD 北大核心 2021年第21期120-126,共7页

针对水电机组振动的非平稳、非线性特点,提出利用改进果蝇算法(RFOA)优化广义回归神经网络模型(RFOA-GRNN)。通过改进果蝇算法的搜索步长和气味浓度判定公式,使该算法的局部寻优能力增强,收敛速度提高。通过8种常用的基准函数对FOA算法... 针对水电机组振动的非平稳、非线性特点,提出利用改进果蝇算法(RFOA)优化广义回归神经网络模型(RFOA-GRNN)。通过改进果蝇算法的搜索步长和气味浓度判定公式,使该算法的局部寻优能力增强,收敛速度提高。通过8种常用的基准函数对FOA算法、DSFOA算法、RFOA算法进行仿真测试,测试结果验证了RFOA算法的有效性。利用三种优化算法优化GRNN的平滑因子,将优化后平滑因子代入GRNN模型对水电机组振动进行预测。结果表明,与FOA-GRNN和DSFOA-GRNN两种预测模型相比,RFOA-GRNN预测模型的预测结果最大相对误差分别降低了99.96%和99.28%。可以得到RFOA-GRNN模型的预测精度和稳定性方面均优于其他两种模型,验证了此模型的有效性。将其应用于水电机组状态趋势预测研究中,可为维护人员提前发现水电机组故障并及时检修进而保证水电机组安全稳定的运行提供保障。 展开更多

关键词 水电机组 改进果蝇优化算法(RFOA) 广义回归神经网络(GRNN) 平滑因子 振动预测

在线阅读 下载PDF 职称材料

基于VMD-XGBoost模型及因果特征选取的汽轮发电机组振动信号预测技术研究 被引量：1

8

作者 陈宇豪 杨为民 +3 位作者 郭瑞 姜虓 刘振祥 谭平 《汽轮机技术》 北大核心 2024年第3期221-224,228,共5页

“双碳”目标下,我国能源格局产生深刻变化,对汽轮机发电机安全稳定运行的要求进一步提高,深入挖掘分析海量运行数据有助于机组运行状态的评估及预测。提出构建汽轮发电机组参数因果关系网络探究参数间的因果关系,利用VMD算法分解振动... “双碳”目标下,我国能源格局产生深刻变化,对汽轮机发电机安全稳定运行的要求进一步提高,深入挖掘分析海量运行数据有助于机组运行状态的评估及预测。提出构建汽轮发电机组参数因果关系网络探究参数间的因果关系,利用VMD算法分解振动信号并搭建XGBoost预测模型对各信号分量进行预测,叠加各信号分量的预测值以得到振动信号的预测结果。利用国内某1000MW汽轮发电机组运行数据对所提模型进行论证实验,结果表明本文所提模型有较高预测精度。 展开更多

关键词 汽轮发电机组 轴系振动 趋势预测 因果发现 数据驱动 变分模态分解 极端梯度提升

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

9

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

基于CEEMDAN-IPSO-LSTM的水电机组振动预测研究 被引量：7

10

作者 孙育晖 王利英 +1 位作者 雷庆文 曹庆皎 《人民黄河》 CAS 北大核心 2023年第5期156-162,共7页

针对水电机组振动的非线性、非平稳特点,提出一种完全自适应噪声集合经验模态分解(CEEMDAN)方法和长短期记忆(LSTM)神经网络相结合的振动预测模型,利用改进的粒子群优化算法(IPSO)对调节参数进行优化以提高预测精度,采用CEEMDAN算法将... 针对水电机组振动的非线性、非平稳特点,提出一种完全自适应噪声集合经验模态分解(CEEMDAN)方法和长短期记忆(LSTM)神经网络相结合的振动预测模型,利用改进的粒子群优化算法(IPSO)对调节参数进行优化以提高预测精度,采用CEEMDAN算法将振动数据计算展开为多个固有模态函数(IMF),通过计算相关系数筛选出有效的IMF,最后将筛选结果重构后输入LSTM进行模型预测,并与LSTM、支持向量回归(SVR)、CEEMDAN-IPSO-SVR进行对比。结果表明,提出的CEEMDAN和LSTM相结合的振动预测模型可以有效识别水电机组不同运行工况下的振动信号,为故障预警、水电机组安全高效运行提供依据。 展开更多

关键词 水电机组 CEEMDAN LSTM 故障预警 振动预测

在线阅读 下载PDF 职称材料

基于能量熵重构与支持向量回归的水电机组状态趋势预测 被引量：7

11

作者 薛小明 曹苏群 +1 位作者 李超顺 姜伟 《水电能源科学》 北大核心 2019年第9期139-142,135,共5页

针对水电机组运行状态趋势预测的问题,提出了一种基于能量熵重构(EER)与支持向量回归(SVR)的混合预测模型。先针对复杂非平稳监测信号,利用快速集成经验模态分解(FEEMD)算法将其分解为多个本征模态函数(IMFs)分量和单个残余分量;然后基... 针对水电机组运行状态趋势预测的问题,提出了一种基于能量熵重构(EER)与支持向量回归(SVR)的混合预测模型。先针对复杂非平稳监测信号,利用快速集成经验模态分解(FEEMD)算法将其分解为多个本征模态函数(IMFs)分量和单个残余分量;然后基于能量熵(EE)理论对各分量进行重构,以有效降低分量的复杂度;最后,将生成的重构本征模态函数(RIMFs)作为SVR的输入,训练模型参数得到最优的SVR,用于预测机组状态发展趋势。与实例对比分析表明,所提混合预测模型具有较高的预测精度,为机组运维策略的制定提供了一定的指导。 展开更多

关键词 水电机组 状态趋势预测 模态分解 能量熵 支持向量回归

在线阅读 下载PDF 职称材料

基于排列熵重构与长短期记忆神经网络的水电机组振摆趋势预测方法 被引量：4

12

作者 姜伟 周建中 +1 位作者 许颜贺 卢俊泽 《水电能源科学》 北大核心 2022年第12期152-155,共4页

针对常规水电机组振摆趋势预测问题,设计了一种基于排列熵重构(PER)与长短期记忆(LSTM)神经网络的混合预测模型。先针对复杂非线性振摆信号,利用变分模态分解(VMD)对其进行固有模态分量(IMFs)提取;其次,为降低IMFs复杂度,采用排列熵原... 针对常规水电机组振摆趋势预测问题,设计了一种基于排列熵重构(PER)与长短期记忆(LSTM)神经网络的混合预测模型。先针对复杂非线性振摆信号,利用变分模态分解(VMD)对其进行固有模态分量(IMFs)提取;其次,为降低IMFs复杂度,采用排列熵原理对所得IMFs进行重构,获取重构序列分量(RSCs);最后,将RSCs作为LSTM模型的输入,通过训练得到拟合度最优的LSTM,进而实现机组振摆趋势的预测。选用国内某水力发电厂^(#)3机组的摆度监测信号作为试验数据进行对比分析,结果表明相比于已有方法所提方法具有更优的预测性能,预测结果对于推动机组状态检修发展具有重要意义。 展开更多

关键词 水电机组 振摆趋势预测 排列熵 变分模态分解 长短期记忆神经网络

在线阅读 下载PDF 职称材料

基于神经网络的水电站厂房结构振动响应预测 被引量：3

13

作者 苗宗伟 马震岳 +1 位作者 王溢波 职保平 《水电能源科学》 北大核心 2010年第8期88-90,共3页

针对水电站厂房结构振动主要由水力、机械和电磁三大类振源引起,结合景洪水电站机组与厂房振动联合测试数据,在分析厂房结构与机组振动响应关系的基础上,应用径向基神经网络建立了厂房结构振动预测模型。实例结果表明,该方法简单、有效... 针对水电站厂房结构振动主要由水力、机械和电磁三大类振源引起,结合景洪水电站机组与厂房振动联合测试数据,在分析厂房结构与机组振动响应关系的基础上,应用径向基神经网络建立了厂房结构振动预测模型。实例结果表明,该方法简单、有效、预测精度较高,可供同类工程参考。 展开更多

关键词 神经网络建立 水电站机组 厂房结构振动 振动响应预测 Artificial NEURAL Network Based Structure 预测模型 预测精度 响应关系 机组振动 厂房振动 测试数据 振动主 径向基 振源 水力 结果 基础 机械

在线阅读 下载PDF 职称材料

基于时频等高图的汽轮发电机组振动故障诊断方法研究 被引量：30

14

作者 蒋东翔 刁锦辉 +1 位作者 赵钢 钱立军 《中国电机工程学报》 EI CSCD 北大核心 2005年第6期146-151,共6页

状态监测与故障诊断的主要内容包括故障信号的检测、故障诊断、趋势分析和早期故障预测即预测诊断等。传统的振动故障诊断主要是基于频谱分析的方法,小波变换得出的时频等高图是分析故障信号奇异性的有效工具,为汽检测和诊断提供了新思... 状态监测与故障诊断的主要内容包括故障信号的检测、故障诊断、趋势分析和早期故障预测即预测诊断等。传统的振动故障诊断主要是基于频谱分析的方法,小波变换得出的时频等高图是分析故障信号奇异性的有效工具,为汽检测和诊断提供了新思路。在介绍小波变换理论、Morlet 小波和时频等高图的基础上,通过对仿真的汽轮发电机组几种典型振动故障,如不对中、油膜涡动和部件松动等信号进行分析,结果表明时频等高图不仅能够直观检测出信号中的微弱奇异成分,而且还可以有效地对故障进行分类诊断、实现早期故障检测和故障变化趋势分析等。最后,采用时频等高图分析了 3 种实际机组的振动异常信号。 展开更多

关键词 等高图 故障诊断方法 时频 机组振动 MORLET小波 汽轮发电机组 振动故障诊断 小波变换理论 变化趋势分析 故障检测 信号奇异性 故障信号 状态监测 故障预测 频谱分析 有效工具 油膜涡动 异常信号 新思路 不对中 早期

在线阅读 下载PDF 职称材料

基于奇异谱分析的轴承温度趋势预测及其应用(英文) 被引量：1

15

作者 韩凤琴 桂中华 久保田乔 《华南理工大学学报（自然科学版）》 EI CAS CSCD 北大核心 2005年第9期51-54,72,共5页

采用奇异谱分析方法对轴承温度信号在相空间进行重构,并利用重构吸引子轨道矩阵的奇异谱特性来分离温度信号的趋势成分,从而得到轴承温度的变化趋势特征.在此基础上开发了水电机组轴承故障预测系统,该系统包括数据采集、趋势分析和故障... 采用奇异谱分析方法对轴承温度信号在相空间进行重构,并利用重构吸引子轨道矩阵的奇异谱特性来分离温度信号的趋势成分,从而得到轴承温度的变化趋势特征.在此基础上开发了水电机组轴承故障预测系统,该系统包括数据采集、趋势分析和故障预测3部分.试验结果表明,该系统能早期预测轴承温升趋势,提取温度信号中的故障特征,对烧瓦故障作出早期预警,可用于水电机组的状态分析、状态评估和故障预测. 展开更多

关键词 水电机组 奇异谱分析 轴承温度 温度趋势 故障预测

在线阅读 下载PDF 职称材料