基于VMD-CIMFs-TCN的水电机组振动预测

陈天涯; 陈盛; 郑阳; 王卫玉; 陈启卷

doi:10.20040/j.cnki.1000-7709.2023.20222408

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

基于VMD-CIMFs-TCN的水电机组振动预测

更新时间：2026-02-25

- 基于VMD-CIMFs-TCN的水电机组振动预测
- Issue 9, Pages: 159-163(2023)
- 作者机构：
  
  1. 武汉大学动力与机械学院
  2. 五凌电力科技有限公司
- 作者简介：
- 基金信息：
- DOI：10.20040/j.cnki.1000-7709.2023.20222408
  CLC： TV734;TP18
- Published：2023
- 稿件说明：
移动端阅览
陈天涯, 陈盛, 郑阳, et al. 基于VMD-CIMFs-TCN的水电机组振动预测[J]. 2023, (9): 159-163.
DOI：

陈天涯, 陈盛, 郑阳, et al. 基于VMD-CIMFs-TCN的水电机组振动预测[J]. 2023, (9): 159-163. DOI： 10.20040/j.cnki.1000-7709.2023.20222408.

摘要

针对水电机组振动信号的非线性和非平稳性及预测的时效性要求，提出了基于VMD-CIMFs-TCN的水电机组振动预测模型。首先采用VMD算法对振动信号进行分解得到信号失真度最小的IMFs分量，实现对振动信号的精确分解；其次通过计算各IMFs分量的功率谱熵和排列熵，实现IMFs分量的聚合以减小预测过程模型的计算量；最后利用TCN网络实现CIMFs的精确预测，并将其相加得到最终的振动信号预测结果。分析表明，该方法在保证预测精度的前提下缩短了预测所需的时间，满足了预测模型的时效性。

Abstract

关键词

Keywords

references

Variational Mode Decomposition.[J]. Konstantin Dragomiretskiy;Dominique Zosso.IEEE Trans. Signal Processing,2014

基于CEEMD和排列熵的SAR窄带干扰抑制方法[J]. 闵林;张衡瑞;吕宗森;李宁;赵建辉.雷达科学与技术,2022(05)

基于VMD-GA-BP和误差校正的水电机组振动趋势预测[J]. 袁成建;邓玉敏;张雪桂;马历;严耀亮;李超顺.中国农村水利水电,2023(01)

基于EEMD和LSTM的水电机组劣化度预测方法研究[J]. 傅质馨;殷贵;朱俊澎;袁越.太阳能学报,2022(02)

结合EMD和功率谱熵的船舶轴频电场线谱提取[J]. 程锐;陈聪;姜润翔.舰船科学技术,2017(17)

水电机组振动信号分析与智能故障诊断方法研究[D]. 付文龙.华中科技大学,2016(08)

Views

120

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于WOA-VMD-TCN的水电机组振动趋势预测

基于VMD-SSA-K-means-iForest的重力坝监测数据异常模式混合识别算法研究

基于VMD的供水管道漏损检测研究

基于GHOA-VMD-GRU和CNN区间建模的长江上游干流日含沙量预测研究

基于引力搜索优化的多重分形算法在水电机组振动中的应用

Related Author

王璞

姬联涛

陈龙翔

荆岫岩

袁成建

李超顺

李铁

李涵曼

Related Institution

国家电网有限公司

中国电力科学研究院有限公司

华中科技大学土木与水利工程学院

南京水利科学研究院水利部大坝安全管理中心

南京水利科学研究院水灾害防御全国重点实验室

AI问答

⁰