基于CSVMD的水电机组导轴承故障振动信号特征提取

刘东; 孔丽君; 胡文庆; 陈庭熙; 肖志怀

doi:10.20040/j.cnki.1000-7709.2026.20251628

欢迎来到能源电力期刊网！

English Version 期刊登录

您当前的位置：

首页 >

文章列表页 >

基于CSVMD的水电机组导轴承故障振动信号特征提取

水能利用及水电站工程 | 更新时间：2026-09-12

- 基于CSVMD的水电机组导轴承故障振动信号特征提取
- 基于CSVMD的水电机组导轴承故障振动信号特征提取
- 水电能源科学 2026年44卷第8期页码：203-208+186
- 作者机构：
  
  1. 中国长江电力股份有限公司
  2. 湖北省智慧水电技术创新中心
  3. 3a.武汉大学电气与自动化学院
  4. 3b.武汉大学动力与机械学院
- 作者简介：
- 基金信息：
  
  中国长江电力股份有限公司科研项目(Z152302031)
- DOI：10.20040/j.cnki.1000-7709.2026.20251628
  中图分类号： TV738
- 纸质出版：2026
- 稿件说明：
移动端阅览
刘东, 孔丽君, 胡文庆, 等. 基于CSVMD的水电机组导轴承故障振动信号特征提取[J]. 水电能源科学, 2026,44(8):203-208+186.

刘东, 孔丽君, 胡文庆, et al. 基于CSVMD的水电机组导轴承故障振动信号特征提取[J]. 2026, 44(8): 203-208+186.
刘东, 孔丽君, 胡文庆, 等. 基于CSVMD的水电机组导轴承故障振动信号特征提取[J]. 水电能源科学, 2026,44(8):203-208+186. DOI： 10.20040/j.cnki.1000-7709.2026.20251628.

刘东, 孔丽君, 胡文庆, et al. 基于CSVMD的水电机组导轴承故障振动信号特征提取[J]. 2026, 44(8): 203-208+186. DOI： 10.20040/j.cnki.1000-7709.2026.20251628.

摘要

为了提高水电机组导轴承振动信号特征提取的敏感性与自适应性，提出了一种基于复信号模态分解构建特征矩阵的水电机组导轴承振动信号特征提取方法。选取同一截面内正交的两组摆度信号构建复信号，分离其正负频率分量，分别对正负频率分量时域信号进行逐次变分模态分解，计算各阶模态分量的关键时、频域特征指标并构建特征矩阵，以有效区分不同机组状态。该方法提供了新的信号处理框架，其复信号构建策略与模态分解机制对水电机组导轴承系统振摆分析具有应用价值。

Abstract

关键词

Keywords

references

周超,王跃科,乔纯捷,戴卫华.全球导航卫星系统接收机的复信号自适应陷波干扰抑制[J].国防科技大学学报,2016(05).

李凯旋,张钰奇,杨涛,李和林,段玥晨.基于小波包信息熵和改进SVM的水工闸门故障诊断[J].水电能源科学,2022(11).

李佰霖,陈思远,唐淞,付文龙.数字孪生驱动的水电机组轴系智能维护[J].振动与冲击,2024(15).

王义国,常辉,陈东君,吴一凡,李超顺.基于瞬时轨迹特征图像和条件对抗生成网络的水电机组轴系劣化评估[J].水电能源科学,2023(06).

王成,张莉,叶金来.“信号与系统”中的复信号概念诠释[J].电气电子教学学报,2023(05).

陈怀琛,方海燕.论频谱中负频率成分的物理意义[J].电气电子教学学报,2008(01).

Seyedali Mirjalili,Seyed Mohammad Mirjalili,Andrew Lewis.Grey Wolf Optimizer[J].Advances in Engineering Software,2014.

王鹏飞.水电机组多源信息耦联故障诊断与状态评估及维修决策方法研究[D].西北农林科技大学,2023(04).

浏览量

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