基于小波包分解与CEEMDAN能量熵的水电机组振动信号特征提取

王淑青; 罗平章; 胡文庆; 柯洋洋; 张家豪

doi:10.20040/j.cnki.1000-7709.2024.20231167

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 >

基于小波包分解与CEEMDAN能量熵的水电机组振动信号特征提取

水能利用及水电站工程 | 更新时间：2026-02-25

- 基于小波包分解与CEEMDAN能量熵的水电机组振动信号特征提取
- 基于小波包分解与CEEMDAN能量熵的水电机组振动信号特征提取
- 水电能源科学 2024年第6期页码：198-202+216
- 作者机构：
  
  1. 湖北工业大学电气与电子工程学院
  2. 武汉大学动力与机械学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金项目(51979204)
- DOI：10.20040/j.cnki.1000-7709.2024.20231167
  中图分类号： TV734
- 纸质出版：2024
- 稿件说明：
移动端阅览
王淑青, 罗平章, 胡文庆, 等. 基于小波包分解与CEEMDAN能量熵的水电机组振动信号特征提取[J]. 水电能源科学, 2024,(6):198-202+216.

王淑青, 罗平章, 胡文庆, et al. 基于小波包分解与CEEMDAN能量熵的水电机组振动信号特征提取[J]. 2024, (6): 198-202+216.
王淑青, 罗平章, 胡文庆, 等. 基于小波包分解与CEEMDAN能量熵的水电机组振动信号特征提取[J]. 水电能源科学, 2024,(6):198-202+216. DOI： 10.20040/j.cnki.1000-7709.2024.20231167.

王淑青, 罗平章, 胡文庆, et al. 基于小波包分解与CEEMDAN能量熵的水电机组振动信号特征提取[J]. 2024, (6): 198-202+216. DOI： 10.20040/j.cnki.1000-7709.2024.20231167.

摘要

针对水电机组振动信号非平稳、非线性及噪声问题，提出一种基于自适应噪声完备经验模态分解(CEEMDAN)与能量熵结合的特征提取方法，首先对采集的振动信号进行小波包降噪处理，然后对降噪后信号进行CEEMDAN分解，运用相关系数法筛选有效固有模态函数(IMF)并计算其能量熵，由此构建特征向量集，最后将其输入到海洋捕食者优化支持向量机算法(MPA-SVM)进行模式识别。基于模拟信号、实测信号验证所提特征提取方法的有效性，并与其他方法作对比。结果表明，基于小波包分解与CEEMDAN能量熵的特征提取方法能准确提取特征，有效区分机组不同状态，为工程领域提供了应用价值。

Abstract

关键词

Keywords

references

Gao Xiaozhuan,Pan Lipeng,Deng Yong.A generalized divergence of information volume and its applications[J].Engineering Applications of Artificial Intelligence,2022.

GAO QIUYA,WEN TAO,DENG YONG.INFORMATION VOLUME FRACTAL DIMENSION[J].Fractals,2021.

Wang Zhenya,Yao Ligang,Chen Gang,Ding Jiaxin.Modified multiscale weighted permutation entropy and optimized support vector machine method for rolling bearing fault diagnosis with complex signals[J].ISA Transactions,2021.

Yuan Cao 0002,Yongkui Sun,Guo Xie,Tao Wen.Fault Diagnosis of Train Plug Door Based on a Hybrid Criterion for IMFs Selection and Fractional Wavelet Package Energy Entropy.[J].IEEE Trans. Vehicular Technology,2019.

Qian Shie,Chen Dapang.Joint time-frequency analysis[J].IEEE Signal Processing Magazine,1999(2).

顾程,董强,黄科,邢伟,陈强.基于CEEMDAN能量熵的故障特征提取方法[J].科学技术与工程,2022(35).

王玉梅,郑义.基于改进小波阈值去噪和CEEMDAN-HT融合的谐波检测技术[J].电子科技,2023(01).

张磊,刘升,高文欣,郭雨鑫.多子群改进的海洋捕食者算法[J].微电子学与计算机,2022(02).

李辉,范智超,李华,白亮,贾嵘,罗兴锜.基于SVD和DBN的水电机组故障诊断[J].水力发电学报,2020(12).

陈珊珊,杨耿杰.水电机组振动故障诊断方法综述[J].电气技术,2019(06).

刘东,王昕,黄建荧,胡晓,肖志怀.基于小波变换与SVD的水电机组振动信号特征提取研究[J].中国农村水利水电,2018(12).

郑源,潘天航,王辉斌,葛新峰,张异众.改进EMD-ICA去噪在水轮机组隐蔽碰磨诊断中的应用研究[J].振动与冲击,2017(06).

李锋,林阳阳,晁苏全,王浩.基于CEEMDAN与信息熵的液压泵故障特征提取方法研究[J].机床与液压,2016(19).

秦正飞,王煜,高磊,汪健.基于EEMD和优化SVM的水电机组振动故障诊断[J].水电与抽水蓄能,2016(01).

陈喜阳,闫海桥,孙建平.基于EMD-FFT的水电机组振动信号检测[J].水力发电,2014(05).

张超,陈建军,郭迅.基于EMD能量熵和支持向量机的齿轮故障诊断方法[J].振动与冲击,2010(10).

王奉涛,马孝江,邹岩崑,张志新.基于小波包分解的频带局部能量特征提取方法[J].农业机械学报,2004(05).

梁武科,张彦宁,罗兴锜.水电机组故障诊断系统信号特征的提取[J].大电机技术,2003(04).

贺银芝,沈松,应怀樵,刘正士.小波包分解及其能量谱在发动机连杆轴承故障诊断中的应用[J].振动工程学报,2001(01).

浏览量

324

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于引力搜索优化的多重分形算法在水电机组振动中的应用

基于连续小波分析与深度可分离卷积的水电机组工况识别

基于CNN-SVM的水电机组智能故障诊断方法研究

水电机组轴系瞬时涡动特征提取与振动平稳性评估

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