基于双分解融合TSMDE和ISSA的水电机组故障诊断

方贤思; 郑阳; 刘佳佳; 何宇平; 闵万雄; 徐进

doi:10.20040/j.cnki.1000-7709.2026.20250696

English Version Journal Login

您当前的位置：

首页 >

文章列表页 >

基于双分解融合TSMDE和ISSA的水电机组故障诊断

更新时间：2026-09-10

- 基于双分解融合TSMDE和ISSA的水电机组故障诊断
- Vol. 44, Issue 3, Pages: 200-205(2026)
- 作者机构：
  
  1. 贵州乌江水电开发有限责任公司构皮滩发电厂
  2. 武汉大学动力与机械学院
  3. 南京南瑞水利水电科技有限公司
- 作者简介：
- 基金信息：
- DOI：10.20040/j.cnki.1000-7709.2026.20250696
  CLC： TP18;TV738
- Published：2026
- 稿件说明：
移动端阅览
方贤思, 郑阳, 刘佳佳, et al. 基于双分解融合TSMDE和ISSA的水电机组故障诊断[J]. 2026, 44(3): 200-205.
DOI：

方贤思, 郑阳, 刘佳佳, et al. 基于双分解融合TSMDE和ISSA的水电机组故障诊断[J]. 2026, 44(3): 200-205. DOI： 10.20040/j.cnki.1000-7709.2026.20250696.

摘要

水电机组故障诊断目前的研究多基于单一优化，缺少模型的多元性抗噪能力。为此，提出了一种基于集合经验模态分解—变分模态分解改进的麻雀搜索算法(ISSA)优化卷积神经网络—长短期记忆模型(CNN-LSTM)

并引入时移机制的多尺度散布熵(TSMDE)提高特征提取能力。仿真验证结果表明，ISSA-CNN-LSTM模型结合TSMDE增强特征提取能力，有效解决了强噪声环境下水电机组振动信号的复杂分解与故障特征区分难题，显著提升了信号处理的鲁棒性，有效解决了分解准确率和效率较低的问题，使水电机组故障诊断更全面准确。

Abstract

关键词

Keywords

references

Yujia Chen,Jianlan Wang,Weidong Chen,Fang Dao,Yun Zeng,Shunli Lv.Fault diagnosis in hydropower units based on chaotic Kepler optimization algorithm-enhanced BiLSTM model[J].Energy Reports,2024.

Xiang Li,Yakun Guo,Boyi Xiao,Qian Jing,Zeng Yun.Stability and safety study of pumped storage units based on time-shifted multi-scale cosine similarity entropy[J].Journal of Energy Storage,2024.

Guangxiong Song,Yongyong He,Fulei Chu,Yujiong Gu.HYDES: A Web-based hydro turbine fault diagnosis system.[J].Expert Syst. Appl.,2008.

Yukiharu Ohga,Kazuo Moriguchi,Seiji Honda,Hiroto Nakagawa.Fault diagnosis system for hydraulic turbine generator[J].IEEJ Transactions on Power and Energy,2002.

潘天航,蔡金华,高元,张冰,孟宪宇,耿欣,冯康康.基于改进经验模态分解的水电机组振动信号故障特征提取[J].水电能源科学,2025(03).

欧阳慧泉,杨峰,单定军,肖龙,周迪,李超顺.基于SSA-VMD-WDCNN的水电机组故障诊断[J].水电能源科学,2024(12).

吴小涛,袁晓辉,毛玉鑫,王祥,郭乐,舒卫民.基于鹈鹕优化CNN-BiLSTM的电力负荷预测[J].水电能源科学,2024(08).

李想,钱晶,曾云.基于UPEMD融合RCMCSE和ALWOA-BP的水电机组故障诊断[J].水利学报,2024(06).

朱文鑫,王淑青.基于IMF-MFDE和GRU的水电机组故障诊断[J].水电能源科学,2024(04).

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于PSO-PCA-CNN的水电机组故障诊断

基于STFT-SE-CNN多通道特征融合的水电机组故障诊断

基于改进经验模态分解的水电机组振动信号故障特征提取

基于SSA-VMD-WDCNN的水电机组故障诊断

基于DA-WGAN-SVM的水电机组小样本故障诊断

Related Author

姬升阳

魏学锋

曾广栋

朱斌

周鑫

何志宏

李超顺

刘志辉

Related Institution

中国长江电力股份有限公司溪洛渡水力发电厂

华中科技大学土木与水利工程学院

南京南瑞继保电气有限公司

国网江西省电力有限公司柘林水电厂

国家电投集团重庆江口水电有限责任公司

AI问答

⁰