融合EEMD-CNN的水电机组磨碰故障声纹识别模型
水电机组声纹信号包含大量反映内部机械状态的有效信息,为了准确提取水电机组磨碰故障声纹特征,提出一种基于聚合经验模态分解(EEMD)与卷积神经网络(CNN)相结合的水电机组磨碰声纹识别模型.首先将水电机组噪声信号进行EEMD分解,得到若干本征模态分量(IMF)和残余分量(Res),然后将得到的IMF和Res与原噪声信号构建融合特征向量;以融合特征向量为输入,碰磨故障输出,正常和碰磨故障试验数据为样本,训练 CNN 深度学习神经网络,得到水电机组磨碰故障识别器,识别水电机组磨碰故障.结合水机电耦合平台和实际机组试验磨碰数据,验证了所提方法对水电机组碰磨故障识别效果,平均准确率达到 99.8%,且该方法识别效果显著优于其他几种识别模型.
水电机组、声纹信号、卷积神经网络、EEMD、故障诊断
43
TK73(水能、水力机械)
国家自然科学基金;国家自然科学基金
2024-02-01(万方平台首次上网日期,不代表论文的发表时间)
共11页
59-69