基于瞬时轨迹特征图像和条件对抗生成网络的水电机组轴系劣化评估

王义国; 常辉; 陈东君; 吴一凡; 李超顺

doi:10.20040/j.cnki.1000-7709.2023.20221191

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

基于瞬时轨迹特征图像和条件对抗生成网络的水电机组轴系劣化评估

更新时间：2026-02-25

- 基于瞬时轨迹特征图像和条件对抗生成网络的水电机组轴系劣化评估
- Issue 6, Pages: 166-170(2023)
- 作者机构：
  
  1. 广东能源集团有限公司
  2. 天生桥一级水电开发有限责任公司
  3. 广东粤电长湖发电有限责任公司
  4. 华中科技大学土木与水利工程学院
- 作者简介：
- 基金信息：
- DOI：10.20040/j.cnki.1000-7709.2023.20221191
  CLC： TV734;TP391.41;TP183
- Published：2023
- 稿件说明：
移动端阅览
王义国, 常辉, 陈东君, et al. 基于瞬时轨迹特征图像和条件对抗生成网络的水电机组轴系劣化评估[J]. 2023, (6): 166-170.
DOI：

王义国, 常辉, 陈东君, et al. 基于瞬时轨迹特征图像和条件对抗生成网络的水电机组轴系劣化评估[J]. 2023, (6): 166-170. DOI： 10.20040/j.cnki.1000-7709.2023.20221191.

摘要

水电机组轴系对机组稳定性影响显著，针对机组轴系的劣化评估能够直观反映机组运行状态。因此，提出了一种利用瞬时轨迹特征图像和条件对抗生成网络的机组轴系劣化评估方法。先将各支承面反映振动轨迹的垂直信号构造为复信号，使用多变量复信号变分模态分解方法将信号分解并提取椭圆瞬时轨迹离心率、正反向进动分量等瞬时轨迹特征，构造出多个轴承面的特征图像。使用条件对抗生成网络构建健康模型，将机组工况参数和白噪声作为输入，分别拟合出每个轴承面在不同工况中健康状态下特征图像的分布，利用真实图像与健康图像的差异构建健康指标。利用遗传算法对多个轴承面的评价指标权重进行寻优，降低健康区间指标波动性，获取综合轴系劣化曲线。在水电机组轴系数据中进行试验，证明了所提方法的有效性。

Abstract

关键词

Keywords

references

Three-dimensional instantaneous orbit map for rotor-bearing system based on a novel multivariate complex variational mode decomposition algorithm[J]. Cui Xiaolong;Huang Jie;Li Chaoshun;Zhao Yujie.Mechanical Systems and Signal Processing,2022

Multivariate Variational Mode Decomposition[J]. Naveed ur Rehman;Hania Aftab.IEEE Transactions on Signal Processing,2019

基于RFOA优化GRNN的水电机组振动预测[J]. 王继选;胡润志;管一;张少恺;曹庆皎;王利英.振动与冲击,2021(21)

基于无监督特征学习的水电机组健康状态实时评价方法[J]. 胡晓;肖志怀;刘东;吴道平;查海涛;廖志芳.水利学报,2021(04)

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于Optuna-CatBoost和CRITIC评价法的水电机组劣化趋势评估

基于RFECV-RF和PCA-LightGBM的水电机组劣化趋势评估

材料与润滑对水电机组推力轴瓦性能影响综述及发展趋势分析

基于PSO-PCA-CNN的水电机组故障诊断

水电机组SK推力轴瓦与巴氏合金瓦特性对比研究

Related Author

杨峰

肖峰

师博威

仝杰

陈亦真

宋旭峰

曾晓虎

苏雷

Related Institution

国网江西省电力有限公司柘林水电厂

中国电力科学研究院用能研究所

国网新源控股有限公司

国能大渡河检修安装有限公司

中国长江电力股份有限公司溪洛渡水力发电厂

AI问答

⁰