基于频谱及轴心轨迹图的汽轮机故障诊断

高俊如; 孙亚军; 班牧原

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于频谱及轴心轨迹图的汽轮机故障诊断

发电技术论坛 | 更新时间：2025-09-28

- 基于频谱及轴心轨迹图的汽轮机故障诊断
- Spectrum and shaft center orbit based fault feature extraction and diagnosis for steam turbines
- 热力发电 2014年43卷第8期页码：140-142
- 作者机构：
  
  河北工程大学水电学院
- 作者简介：
- 基金信息：
- DOI：
  中图分类号： TK268
- 纸质出版日期：2014
- 稿件说明：
移动端阅览
高俊如, 孙亚军, 班牧原. 基于频谱及轴心轨迹图的汽轮机故障诊断[J]. 热力发电, 2014,43(8):140-142.

GAO Junru, SUN Yajun, BAN Muyuan. Spectrum and shaft center orbit based fault feature extraction and diagnosis for steam turbines[J]. Thermal power generation, 2014, 43(8): 140-142.
高俊如, 孙亚军, 班牧原. 基于频谱及轴心轨迹图的汽轮机故障诊断[J]. 热力发电, 2014,43(8):140-142. DOI：

GAO Junru, SUN Yajun, BAN Muyuan. Spectrum and shaft center orbit based fault feature extraction and diagnosis for steam turbines[J]. Thermal power generation, 2014, 43(8): 140-142. DOI：

摘要

采用频谱及轴心轨迹图的方法提取仿真台得到的故障振动信号特征

分别建立子BP神经网络

并采用D-S证据理论对子BP神经网络的输出进行融合(多层信息融合)方法

从不同侧面对故障进行诊断。结果表明:采用多层信息融合方法的故障诊断置信度比频谱方法提高约0.03

比轴心轨迹图方法提高0.4

效果显著;对故障类型的识别准确率具有显著提高。

Abstract

The fault vibration signal feature obtained from the simulation platform was extracted by using the method of spectrum and shaft center orbit.Moreover

the BP sub neural network was established

and the D-S evidence theory was employed to fuse the output of each neural network and diagnose the faults from different aspects.The results indicate that

this multi-level information fusion method can identify the various typical faults effectively

of which the confidence was increased by 0.03 and 0.4

compared with the spectrum method and shaft center orbit method

respectively.Furthermore

the identification accuracy of this method was increased significantly.

关键词

Keywords

references

浏览量

233

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于模糊分析与信息熵的大型机组故障诊断基准值研究

伯德曲线在某300 MW汽轮机高中压转子裂纹故障诊断中的应用

基于现场热力参数的汽轮机通流部分故障诊断方法及应用

基于改进KNN算法的汽轮机通流故障诊断方法及应用

汽轮机转子温度场有限元法简化计算模型