基于CEEMDAN-IPSO-LSTM的水电机组振动预测研究

摘要：

针对水电机组振动的非线性、非平稳特点,提出一种完全自适应噪声集合经验模态分解(CEEMDAN)方法和长短期记忆(LSTM)神经网络相结合的振动预测模型,利用改进的粒子群优化算法(IPSO)对调节参数进行优化以提高预测精度,采用CEEMDAN算法将振动数据计算展开为多个固有模态函数(IMF),通过计算相关系数筛选出有效的IMF,最后将筛选结果重构后输入LSTM进行模型预测,并与LSTM、支持向量回归(SVR)、CEEMDAN-IPSO-SVR进行对比.结果表明,提出的CEEMDAN和LSTM相结合的振动预测模型可以有效识别水电机组不同运行工况下的振动信号,为故障预警、水电机组安全高效运行提供依据.

关键词：水电机组、CEEMDAN、LSTM、故障预警、振动预测

所属期刊栏目：45

分类号：TV734.1(水能利用、水电站工程)

资助基金：国家自然科学基金;国家自然科学基金;河北省自然科学基金资助项目

在线出版日期：2023-05-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：156-162