基于OVMD-TVFEMD二次分解和HPO-ELM的水电机组振动趋势预测

张楠; 朱永奇; 孙娜; 赖昕杰; 李超顺

doi:10.20040/j.cnki.1000-7709.2023.20222110

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OVMD-TVFEMD二次分解和HPO-ELM的水电机组振动趋势预测

机电与控制工程 | 更新时间：2026-02-25

- 基于OVMD-TVFEMD二次分解和HPO-ELM的水电机组振动趋势预测
- 基于OVMD-TVFEMD二次分解和HPO-ELM的水电机组振动趋势预测
- 水电能源科学 2023年第10期页码：204-207+199
- 作者机构：
  
  1. 淮阴工学院江苏省先进制造技术重点实验室
  2. 淮阴工学院自动化学院
  3. 中国电建集团华东勘测设计研究院有限公司
  4. 华中科技大学土木与水利工程学院
- 作者简介：
- 基金信息：
  
  江苏省自然科学基金项目(BK20201069);江苏省高校自然科学基金面上项目(20KJD480003);江苏省双创计划(JSSCBS(2020)31038)
- DOI：10.20040/j.cnki.1000-7709.2023.20222110
  中图分类号： TV734;TH113.1
- 纸质出版：2023
- 稿件说明：
移动端阅览
张楠, 朱永奇, 孙娜, 等. 基于OVMD-TVFEMD二次分解和HPO-ELM的水电机组振动趋势预测[J]. 水电能源科学, 2023,(10):204-207+199.

张楠, 朱永奇, 孙娜, et al. 基于OVMD-TVFEMD二次分解和HPO-ELM的水电机组振动趋势预测[J]. 2023, (10): 204-207+199.
张楠, 朱永奇, 孙娜, 等. 基于OVMD-TVFEMD二次分解和HPO-ELM的水电机组振动趋势预测[J]. 水电能源科学, 2023,(10):204-207+199. DOI： 10.20040/j.cnki.1000-7709.2023.20222110.

张楠, 朱永奇, 孙娜, et al. 基于OVMD-TVFEMD二次分解和HPO-ELM的水电机组振动趋势预测[J]. 2023, (10): 204-207+199. DOI： 10.20040/j.cnki.1000-7709.2023.20222110.

摘要

针对已有水电机组振动趋势预测模型的局限性，提出了一种基于最优变分模态分解(OVMD)、时变滤波器经验模态分解(TVFEMD)、猎人猎物优化算法(HPO)和极限学习机(ELM)的水电机组振动趋势预测方法。该方法先通过OVMD对原始水电机组振动信号进行自适应分解，进一步采用TVFEND对分解后的残差进行二次分解。然后建立各子序列的HPO-ELM振动趋势预测模型；叠加重构所有子序列预测结果获得最终的预测振动信号。研究结果表明，该方法预测效果明显优于传统方法，有效提高了水电机组振动趋势预测精度，具有较好的工程应用价值。

Abstract

关键词

Keywords

references

Hunter–prey optimization: algorithm and applications[J]. Naruei, Iraj;Keynia, Farshid;Sabbagh Molahosseini, Amir.Soft Computing,2021

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

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CEEMDAN和混合灰狼算法优化SVM的水电机组故障诊断方法[J]. 杨彤;王卫玉;张培;侯凯;郑阳;陈启卷.水电能源科学,2022(03)

基于改进预测模型的水电机组状态趋势预测[J]. 陈畅;张毅;段炼达;王聪.水电能源科学,2022(01)

基于EEMD-GA-BP的水电机组状态趋势预测[J]. 陆丹;肖志怀;刘东;胡晓;邓涛.中国农村水利水电,2021(08)

基于能量熵重构与支持向量回归的水电机组状态趋势预测[J]. 薛小明;曹苏群;李超顺;姜伟.水电能源科学,2019(09)

基于VMD-HHT方法的水电机组启动过渡过程振动信号分析研究[J]. 杨华;陈云良;徐永;赵琼.工程科学与技术,2017(02)

基于OVMD与SVR的水电机组振动趋势预测[J]. 付文龙;周建中;张勇传;郑阳.振动与冲击,2016(08)

浏览量

135

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

服役期边坡力学参数与卸荷松动区联合反演研究

融合自适应滑动集合经验模态分解的机器学习月径流预测方法

汉江石泉水库流域水文模型参数率定方法研究

基于EEMD-SVM-ELM模型的月降水量预测研究

微网能量管理方案研究