基于CEEMDAN与CBBO-SVM的汽轮机转子故障诊断研究
【出 处】:
【作 者】:
石志标
[1]
葛春雪
[1]
曹丽华
[1]
赵军
[2]
【摘 要】为了提高汽轮机转子故障诊断的准确率和识别效率,提出了一种基于CEEMDAN(自适应噪声完备集合经验模态分解)和CBBO(混沌生物地理学优化算法)优化SVM(支持向量机)相结合的故障诊断方法.首先利用CEEMDAN对转子振动信号进行分解,提取PE(排列熵)作为故障特征值,并构造特征向量;其次将混沌理论引入到BBO(生物地理学优化算法)中,得到CBBO,通过CBBO优化SVM得到诊断模型的最优参数.最后通过ZT-3转子试验台模拟汽轮机转子故障,利用得到的4种状态下的试验数据验证优化模型的有效性与先进性.结果表明:CBBO优化SVM模型可以准确、高效地对汽轮机转子进行故障诊断;与CPSO(混沌粒子群算法)优化SVM模型相比,该方法的故障诊断准确率和识别效率更高.
相关热词搜索: 汽轮机转子 故障诊断 支持向量机 混沌生物地理学优化算法 自适应噪声完备集合经验模态分解
上一篇: 燃用煤泥的20t/h循环流化床锅炉系统设计与运行
下一篇: 分形尾缘叶片气动性能及流场数值模拟