《非线性信息融合技术在火力发电机组故障诊断中的应用》PDF+DOC
作者:张龙,宗成强
单位:广东电网公司电力科学研究院;广东省电机工程学会
出版:《广东电力》2013年第05期
页数:7页 (PDF与DOC格式可能不同)
PDF编号:PDFGDDL2013050040
DOC编号:DOCGDDL2013050049
下载格式:PDF + Word/doc 文字可复制、可编辑
《一种基于多级信息融合技术的系统故障诊断方法》PDF+DOC2000年第12期 刘宜平,沈毅,童树鸿,刘志言
《神经网络信息融合技术在控制系统故障诊断中的应用》PDF+DOC2004年第02期 方挺,葛芦生,陈飞,李悦社
《机载导弹电路多级信息融合技术的故障诊断》PDF+DOC2004年第02期 孔祥泉
《机载导弹电路多级信息融合技术的故障诊断》PDF+DOC2004年第01期 潘茂庆,王建军,顾占波
《一种机械故障监测的信息融合》PDF+DOC2003年第06期 胡仕刚
《信息融合技术在矿井提升机制动器故障诊断中的应用研究》PDF+DOC2012年第07期 王健,王绍进,李娟丽,杨兆建
《基于多传感器信息融合的汽包水位诊断系统设计》PDF+DOC2010年第03期 吴帆,汪小澄
《多传感器信息融合技术在工业中的应用》PDF+DOC 郑伟,戴进
《信息融合技术在传感器故障诊断中的应用》PDF+DOC2006年第11期 李斌,章卫国
《基于振动的断路器状态检测系统的设计与开发》PDF+DOC2014年第12期 潘徽,宋政湘,牛博
火力发电机组的振动信号往往是多种振源信号的非线性混叠,由此给火力发电机组故障诊断中特征信号的提取与分析带来了强烈的干扰。针对此问题,提出了基于小波-非线性独立分量分析(independent componentanalysis,ICA)的火力发电机振动信号非线性盲分离与特征提取新方法。首先,利用小波去噪技术消除加性噪声的影响;然后,通过径向基函数(radial basis function,RBF)神经网络,并结合线性ICA算法估计去噪信号的非线性混合解混函数,实现信号的非线性盲分离,得到火力发电机振动故障的关键信号源;最后,利用小波包分解提取分离信号的统计特征并作为识别损伤状态的有效参数,应用RBF神经网络分类器对火力发电机故障类型进行智能识别。对某发电站的火力发电机实际故障振动信号进行实验分析,结果表明,所提出的非线性盲分离模型能够从含有加性噪声的非线性振动源混合观测信号中提取故障振动源,得到故障信号的可靠特征,取得较好的故障诊断效果,且故障检测精度比线性盲分离技术提高了4.4%以上。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。