基于排列熵与IFOA-RVM的汽轮机转子故障诊断

摘要：

为了提高汽轮机转子故障诊断的识别准确率和效率,提出基于排列熵与改进的果蝇算法(IFOA)优化相关向量机(RVM)的汽轮机转子故障诊断方法.将实验数据进行自适应完备的集合经验模态分解(CEEMDAN),并选取故障特征敏感的IMF分量计算排列熵,以此构造特征样本集,进而建立“二叉树”IFOA-RVM故障分类器对特征集进行分类,其中IFOA通过两个阶段来定义果蝇群体的搜索范围来提高搜索效率,同时避免RVM核函数陷入局部最优.通过ZT-3汽轮机转子模拟试验台获得的故障数据进行实验研究,结果表明与模糊熵对比,排列熵获得的特征样本集的聚类效果明显;IFOA-RVM分类器在故障识别准确率和效率上优于FOA-RVM等其它分类器;证明了基于排列熵与IFOA-RVM汽轮机转子故障诊断方法的有效性和可行性.

关键词：IFOA、RVM、汽轮机转子、故障诊断

所属期刊栏目：37

分类号：TK267(蒸汽动力工程)

资助基金：国家自然科学基金51576036;吉林省科技发展计划项目20100506

在线出版日期：2018-07-30（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：79-84,113