首页>文献首页>基于数据驱动的风机组网系统故障诊断

基于数据驱动的风机组网系统故障诊断

刊名 《风机技术》
作者 赵新龙 英文名 年,卷(期) 2017 年 , 第 6 期
主办单位 沈阳鼓风机研究所 国内刊号 21-1167/TH 国际刊号 1006-8155
关键词 风机组网系统 主元分析 Kullback-Leibler 散度 多分辨率奇异值分解 入库时间 2018/2/3 16:36:08

基于数据驱动的风机组网系统故障诊断

0 引言

相对于单台风机而言,风机组网系统具有大型化、复杂化、组网化的特性,增加了故障诊断的难度,需要更加精确的诊断方法。并且在判断系统是否发生故障之后,还需要将故障定位到相应的风机上,增加了风机组网系统故障诊断的难度。

故障诊断技术可以分为基于模型分析方法、定性经验和基于数据驱动的方法[1]。基于分析模型的方法需要有足够的信息和过程精确的定量的数学模型,其实际应用效果并不理想。基于定性经验的方法在分析中需要掌握复杂的专业知识和长期积累经验的工程人员。基于数据驱动的故障诊断方法包括基于统计分析的方法、基于信号分析的方法以及基于定量知识的数据分析方法,具有诊断精度高、对系统要求低、对工程人员经验要求低等优点逐渐成为了故障诊断的主要方法。

主元分析(PCA)是一种应用广泛的降维方法,在故障诊断、数据压缩和模式识别等领域都发挥着重要的作用[2-3],对数据协方差矩阵选取一定维数的特征向量,与原始矩阵相乘得到降维后的数据。KL 散度

(Kullback-Leibler Divergence)又称相对熵,是一种基于统计分析的故障诊断方法,它可以比较两个分布的不同程度,应用于模式识别[4]、异常探测[5]、故障诊断[6]等领域。KL 散度可以较精确地检测出系统中存在的故障,更加直观地以数值的形式表现出来,但难以判断故障的类型。多分辨率奇异值   ......

参考文献 (16 篇)

  • [期刊论文]        李晗,萧德云。 基于数据驱动的故障诊断方法综述
  • [期刊论文]    JV     Kresta,JF
  • [期刊论文]    JV     陆宁云,王福利,高福荣,等。 间歇过程的统计建模与在线监测
  • [期刊论文]    J     Silva,S
  • [期刊论文]    J     Harmouche,C
  • [期刊论文]    J     赵学智,叶邦彦,陈统坚。 多分辨奇异值分解理论及其在信号处理和故障诊断中的应用
  • [期刊论文]    J     王英丰。 风机的扭转振动及实例分析
  • [期刊论文]    J     杨梦迪,施康。 某高转速地铁风机强度、振动数值分析和优化设计
  • [期刊论文]    R     Isermann
  • [期刊论文]    R     邵毅敏,周晓君,欧家福,等。 增强型滤波及冲击性机械故障特征的提取
  • [期刊论文]    R     王颖。 基于振动信号地铁轴流风机的故障诊断分析
  • [期刊论文]    R     何小锋,何利鹏。 排粉风机的振动分析及处理
  • [期刊论文]    James M     Sorokes,D
  • [期刊论文]    S     Kullback,R
  • [期刊论文]    Jinane Harmouche,Claude Delpha,Demba Diallo     Incipient faultdetection and diagnosis based on Kullback- Leibler divergenceusing Principal Component Analysis: PartI
  • [期刊论文]    C     Delpha,D

010-56181807

周一至周五9:00-17:30

中国终身教育数据服务平台--中国终身教育学术研究中心课题组中教汇据(北京)科技有限公司

京ICP备15058941号-1Copyright © 2013-2016 ZJHJ Corporation,All Rights Reserved

京ICP证161029