基于近似熵和集成经验模态分解的转子多故障诊断方法研究

摘要：

为了提高汽轮机转子多故障分类的准确率，提出一种集成经验模态分解(EEMD)、近似熵和支持向量机相结合的多状态分类方法。首先进行E E MD得到各频段的单分量信号；再求出熵值作为故障信号的特征向量输入到基于二叉树的支持向量机中实现多状态分类。对比近似熵、模糊熵和能量法这三种方法，实验结果验证了利用E E MD和熵理论相结合的方法量化故障信号非线性特征的正确性。同时也表明在欧氏空间中，近似熵值组成的特征向量彼此间的距离最远，分类效果也最好。

关键词：集成经验模态分解、近似熵、支持向量机、多故障诊断

所属期刊栏目：27

分类号：TK267(蒸汽动力工程)

资助基金：中央高校基本科研业务费专项资金资助项目2015MS102;国家自然科学基金资助项目50676031

在线出版日期：2016-09-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：2186-2189,2248