检索结果-南通市图书馆

作者：杨文武东北石油大学

学位级别：硕士

本文以管道压力波信号为研究对象,针对长输油气管道运行时噪声影响过大、泄漏特征提取困难、工况识别精度低等问题,利用实验室管道采集不同工况压力信号,提出一种添加自适应白噪声的完备集合经验模态分解与改进小波阈值去噪算法相结合... 详细信息

本文以管道压力波信号为研究对象,针对长输油气管道运行时噪声影响过大、泄漏特征提取困难、工况识别精度低等问题,利用实验室管道采集不同工况压力信号,提出一种添加自适应白噪声的完备集合经验模态分解与改进小波阈值去噪算法相结合的去噪预处理方法。对降噪信号,提取精细复合多尺度散布熵作为特征向量,利用特征序列训练长短时神经网络模型,对管道不同工况进行识别分类。首先深入研究经验模态分解算法以及在此基础上改进的CEEMDAN算法理论,研究改进小波阈值去噪算法的相关知识。利用两种算法结合处理非平稳信号Heavy sine、Doppler曲线,与EMD-HD、EEMD-HD、CEEMDAN-HD等算法对比,对算法鲁棒性、降噪能力进行分析,经实验发现利用本文算法处理信号得到的信噪比最高,初步验证本文算法处理管道压力信号的可行性。针对增强管道压力信号中有效分量的特征信息以及CEEMDAN分解后模态难以选取的问题,引入豪斯多夫距离,先将管道信号进行CEEMDAN分解,利用HD筛选有效分量、异常分量以及无用分量,将利用改进小波阈值去噪算法处理的异常分量与有效分量重构得到降噪信号。通过相关系数、均方根误差评估处理效果,发现融合去噪算法既可以有效去除噪声又可以将泄漏特征有效保留。其次,针对管道微小泄漏信号特征难以提取的问题,提出基于信息熵的管道特征提取方法,采用精细复合多尺度散布熵有效解决了单一尺度散布熵无法完全反映泄漏的全部特征信息的问题以及多尺度散布熵随着尺度因子的增大序列中的有效数据点减少的问题。最后,以天然气管道工况识别为出发点,利用多种机器学习算法处理管道压力信号的特征,训练得到管道泄漏检测模型,并提出基于长短时神经网络的管道泄漏检测系统,对比分析算法的识别准确率和识别速率。实验表明利用LSTM神经网络进行工况识别可以进一步提升模型的检测精度与效率。

关键词： CEEMDAN 改进小波阈值去噪管道泄漏检测 rcmde LSTM

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于ICEEMDAN-rcmde的高压断路器机械故障诊断方法

引用

仪器仪表与分析监测 2023年第4期 1-7页

作者：孙宇晨李永刚赵书涛刘会兰郝天庆华北电力大学电气与电子工程学院河北保定071003

针对高压断路器分、合闸过程中伴随的非平稳、非线性振动信号特征提取困难的问题,应用了一种基于改进的完全自适应噪声集合经验模态分解(ICEEMDAN)和精细复合多尺度散布熵(rcmde)结合的高压断路器机械故障诊断方法。首先对原始振动信号... 详细信息

针对高压断路器分、合闸过程中伴随的非平稳、非线性振动信号特征提取困难的问题,应用了一种基于改进的完全自适应噪声集合经验模态分解(ICEEMDAN)和精细复合多尺度散布熵(rcmde)结合的高压断路器机械故障诊断方法。首先对原始振动信号进行ICEEMDAN分解,得到不同频率尺度的本征模态分量(IMF),依据故障敏感因子筛选有效IMF分量进行信号重构;然后对重构信号进行rcmde分析,通过精细化的多尺度分析刻画信号特征;最后,将不同尺度因子下的rcmde值作为特征向量输入支持向量机(SVM)中进行故障诊断。实验验证了该方法的可行性,故障辨识度较高。

关键词：高压断路器振动信号 ICEEMDAN rcmde

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于声振信号的高压断路器机械故障诊断研究

基于声振信号的高压断路器机械故障诊断研究

引用

作者：陈佳豪四川轻化工大学

学位级别：硕士

高压断路器(High voltage circuit breaker,HVCB)是保护电力网络的设备,它的存在能有效避免电力事故的扩大。HVCB的故障中大多数为机械故障,目前对于机械故障诊断的研究主要以动作时的振动、声音、电流信号为主。由于HVCB结构的特殊性,... 详细信息

高压断路器(High voltage circuit breaker,HVCB)是保护电力网络的设备,它的存在能有效避免电力事故的扩大。HVCB的故障中大多数为机械故障,目前对于机械故障诊断的研究主要以动作时的振动、声音、电流信号为主。由于HVCB结构的特殊性,基于电流信号的故障诊断方法能诊断的故障种类有限,以单一的振动信号或声音信号进行故障诊断的诊断效果较好,但难以适应多种干扰存在的环境。基于以上现状,本文主要从以下几个方面对HVCB机械故障诊断方法进行研究:(1)针对几种常见机械故障的声音信号以及振动信号设计了相应的数据采集方案,分别利用心型指向性话筒以及压电式加速度传感器采集数据。(2)为提升利用振动信号进行故障诊断时的诊断精度,研究了基于精细复合多尺度散布熵(Refined Composite Multiscale Dispersion Entropy,rcmde)的故障诊断方法。该方法提取多个尺度下的rcmde值作为特征向量,并利用粒子群优化算法(Particle Swarm Optimization,PSO)优化极限学习机(Extreme Learning Machine,ELM)模型进行故障诊断。实验结果表明,该方法在实验室条件下的故障诊断正确率为98.92%,在不同干扰环境下的故障诊断正确率均维持在95.29%以上。(3)针对利用声音信号进行故障诊断时诊断精度不高的问题,研究了基于局域均值分解(Local Mean Decomposition,LMD)和差分进化(Differential Evolution,DE)优化概率神经网络(Probabilistic Neural Network,PNN)的故障诊断方法。该方法利用LMD对信号进行分解,提取重构信号的分段能量熵作为特征。利用DE算法对PNN模型进行优化,使用优化后的模型进行故障诊断。实验结果表明,该方法在实验室条件下的故障诊断正确率为99.33%,并且在不同干扰环境下的故障诊断正确率均维持在95.83%以上。(4)针对振动信号以及声音信号在特征提取中易受噪声影响,导致特征提取效果一般的问题,研究了一种基于声振联合信号的故障诊断方法。该方法选用变分模态分解(Variational Mode Decomposition,VMD)对信号进行分解,利用烟花算法(Fireworks Algorithm,FWA)优化VMD的参数,提取振动信号分解后每个本征模函数对应的能量熵值,结合声音信号分解重构后的无量纲参数作为特征。利用网格搜索法搜寻支持向量机模型(Support Vector Machine,SVM)的最优参数,得到最优参数下的SVM故障诊断模型,实现故障诊断。实验结果表明,该方法在实验室条件下的故障诊断正确率为100%,在不同干扰环境下的故障诊断正确率均维持在98%以上。(5)为实现故障诊断算法的应用价值,设计并初步实现了基于声振信号的高压断路器机械故障诊断软件部分。主体软件界面由QT进行设计开发,故障数据由My SQL进行存储。MATLAB打包生成故障诊断算法的dll程序包方便软件调用。

关键词：高压断路器机械故障诊断 rcmde 差分进化算法变分模态分解

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：