基于多特征提取与核极限学习机的汽轮机转子故障诊断

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

所属期刊栏目：62

分类号：TK229(蒸汽动力工程)

资助基金：河北省自然科学基金 E2017402084

在线出版日期：2020-04-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：137-142