基于SSA-VMD-WDCNN的水电机组故障诊断

欧阳慧泉; 杨峰; 单定军; 肖龙; 周迪; 李超顺

doi:10.20040/j.cnki.1000-7709.2024.20240184

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SSA-VMD-WDCNN的水电机组故障诊断

水能利用及水电站工程 | 更新时间：2026-02-25

- 基于SSA-VMD-WDCNN的水电机组故障诊断
- 基于SSA-VMD-WDCNN的水电机组故障诊断
- 水电能源科学 2024年第12期页码：147-151
- 作者机构：
  
  1. 国网江西省电力有限公司柘林水电厂
  2. 华中科技大学土木与水利工程学院
- 作者简介：
- 基金信息：
  
  国家电网有限公司总部管理科技项目(5700-202325298A-1-1-ZN)
- DOI：10.20040/j.cnki.1000-7709.2024.20240184
  中图分类号： TP183;TV738
- 纸质出版：2024
- 稿件说明：
移动端阅览
欧阳慧泉, 杨峰, 单定军, 等. 基于SSA-VMD-WDCNN的水电机组故障诊断[J]. 水电能源科学, 2024,(12):147-151.

欧阳慧泉, 杨峰, 单定军, et al. 基于SSA-VMD-WDCNN的水电机组故障诊断[J]. 2024, (12): 147-151.
欧阳慧泉, 杨峰, 单定军, 等. 基于SSA-VMD-WDCNN的水电机组故障诊断[J]. 水电能源科学, 2024,(12):147-151. DOI： 10.20040/j.cnki.1000-7709.2024.20240184.

欧阳慧泉, 杨峰, 单定军, et al. 基于SSA-VMD-WDCNN的水电机组故障诊断[J]. 2024, (12): 147-151. DOI： 10.20040/j.cnki.1000-7709.2024.20240184.

摘要

为提高水电机组故障诊断的诊断精度和诊断速度，提出了一种自适应变分模态分解与第一层为宽卷积核的深度卷积神经网络相融合的水电机组故障诊断方法。首先利用麻雀搜索算法对VMD分解参数进行寻优，利用最优分解参数对水电机组振动信号进行VMD分解，实现振动信号的最优自适应分解，再对分解后IMF分量进行归一化处理，最后将处理后的分量输入到WDCNN模型中进行训练和测试，得到故障诊断结果。以实测水电机组振动信号进行对比试验，结果表明所提方法具有最优的诊断精度及良好的训练速度和降噪效果，在实际的水电机组故障诊断中有一定的参考作用。

Abstract

关键词

Keywords

references

陆志杰,王志良,鄢小安,刘德利,孙见君,马晨波.变分模态分解方法在轴承故障诊断中的应用研究进展[J].润滑与密封,2024(09).

王璞,姬联涛,陈龙翔,荆岫岩,袁成建,李超顺.基于WOA-VMD-TCN的水电机组振动趋势预测[J].水电能源科学,2023(06).

邓晓琴,瞿卫华,陈金保,王云鹤,邹屹东,胡文庆,肖志怀.融合IMF能量矩和BiLSTMNN的水电机组振动故障诊断[J].水力发电学报,2023(10).

胡晓,肖志怀,刘东,蒋文君,刘冬,袁喜来.基于VMD-CNN的水电机组故障诊断[J].水电能源科学,2020(08).

杜义,周建中,单亚辉,李帅轩,许颜贺,姜伟.基于EMD-BPNN的水电机组空蚀故障诊断[J].水电能源科学,2018(03).

Jiankai Xue,Bo Shen.A novel swarm intelligence optimization approach: sparrow search algorithm[J].Systems Science & Control Engineering,2020.

Wei Zhang,Gaoliang Peng,Chuanhao Li,Yuanhang Chen,Zhujun Zhang.A New Deep Learning Model for Fault Diagnosis with Good Anti-Noise and Domain Adaptation Ability on Raw Vibration Signals[J].Sensors,2017.

浏览量

316

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VMD-WT-CNN与注意力机制的水电机组故障诊断

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DA-WGAN-SVM的水电机组小样本故障诊断