基于内禀模态能量熵与支持向量机转子故障智能诊断方法研究

《基于内禀模态能量熵与支持向量机转子故障智能诊断方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第53卷第5期汽轮机技术V01．53No．52011年1O月TURBINETECHNOLOGY0ct．201l基于内禀模态能量熵与支持向量机的转子故障智能诊断方法的研究祝晓燕，田希，朱霄殉，李文华(1华北电力大学机械工程系，保定071003；2华北电力大学动力工程系，保定071003)摘要：大型旋转机械转子的运转情况是生产过程中最重要的问题之一，在故障初期对故障识别并实现智能诊断具有重要的意义。然而大型旋转机械存在较大的非线性，并且故障样本较少，给特征提取和状态识别带来了很大困难。基于经验模态分解(EMD)后内禀模态函数的能量熵，提取各个内禀模态函数的

2、能量作为特征向量，并以此作为支持向量机(SVM)的输入参数来输入支持向量机进行故障诊断。实验表明这种方法能够对故障状态与正常状态正确分类，实现故障的智能诊断。关键词：故障诊断；经验模态分解；内禀模态能量；支持向量机分类号：TM715文献标识码：A文章编号：1001-5884(2011)05-0375-03TheResearchontheMethodofIntelligentFaultDiagnosisofRotorFilmBasedonEmpiricalModeDecompositionEntropyandSupportVectorMachineZHU

3、Xiao．yan．TIANXi，ZHUXiao—xun。LIWen．hua(1DepartmentofMechanicalEngineering，Baoding071003，China；2DepartmentofPowerEngineering，NoahChinaElectricPowerUniversity，Baoding071003，China)Abstract：Thelargerotatingmachineryfunctioningoftherotorisoneofthemostimportantissues．Ithasgreatsignific

4、ancetoidentifythefaultearlyandimplementintelligentfaultdiagnosis．Howeverthereisabignonlinearaboutlargerotatingmachineryandhaslessfaultsamples．Thiseausebigdificultforfeatureextractionandstaterecognition．Basedonempiricalmodedecompositionentropy，weextracteachintrinsicmodefunctionen

5、ergyaseigenvectorandmakethemforinputparameterofthesupportvectormachine(SVM)tofaultdiagnonisis．Theexperimentshowsthatthismethodcanclassifythefaultstateandthenormalstate，andcompletedintelligentfaultdiagnosis．Keywords：faultdiagnosis；empiriculmodedecomposition；IntrinsicModeFunctione

6、nergy；supportvectormachine中，机械的故障样本非常少，机器得不到充分的学习，在故障0前言诊断中也就不能准确的识别故障。针对这些问题，本文提出了基于EMD内禀模态能量熵当前，旋转机械正在朝着大型化、高速化、智能化方向发与SVM的转子故障诊断方法。该方法首先利用EMD对信展。转子的运转情况是生产过程中最重要的问题之一。这号进行处理；然后计算各内禀模态函数的能量并将其作为特就需要及时而准确的发现转子的异常，诊断其故障。转子的征；最后将特征输入SVM进行故障识别。实验结果说明诊断过程包括诊断信息获取、故障特征信息提取和状态识EMD和SV

7、M相结合的方法适应于转子的油膜故障诊断，收别，这事实上就是模式识别的过程。其中特征提取与状态识到了预期的效果。别是诊断过程中最重要的两部分。特征提取的合适与否关系到能否准确的反映出设备的运转状态。信号处理是目前1EMD基本理论应用较多的特征提取方法，其中包括小波变换⋯、经验模态分解(empiricalmodedecomposition，EMD)、wigner分布EMD方法由美国华裔工程师黄锷等人在1998年提出，等等。状态识别方面，神经网络和支持向量机(suppofl目的是将非平稳信号分解为单分量平稳信号。EMD方法认vectormachine，SVM

8、)等技术已被广泛应用于工业、经济等领为每组信号可以分解为相对平稳的、互不影响的内禀模态函域。数