公开(公告)号：CN113850181A

公开(公告)日：2021-12-28

申请号：CN202111112808.5

申请日：2021-09-23

Applicant: 华北电力大学

Inventor： 张文广 ,  陆瑶 ,  徐浩博 ,  陈松 ,  牛玉广 ,  王玮

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/00 ,  G06N3/04 ,  G06N3/08 ,  F01D9/02

Abstract: 本发明公开了一种基于特征信息融合的燃气轮机进口导叶系统故障诊断方法；包括：原始振动信号采集；故障机理分析；变分模态分解(VMD)参数寻优及分解；故障特征提取；状态特征向量归一化；特征向量编码；脉冲神经网络(SNN)故障诊断。本分明采用海豚群算法对VMD参数寻优，提升分解准确率；以峭度‑互信息熵为依据筛选对故障信息敏感的IMF分量，剔除分布规则差、冲击成分少的故障特征敏感模态函数；采用多特征熵值算法在时频域进行故障特征提取，避免单一特征无法全面反映故障特征信息，为故障的准确诊断提供保证；采用SpikeProp算法优化SNN，具备非线性分类问题求解能力，使训练结果更加准确。

公开(公告)号：CN113850181B

公开(公告)日：2025-04-01

申请号：CN202111112808.5

申请日：2021-09-23

Applicant: 华北电力大学

Inventor： 张文广 ,  陆瑶 ,  徐浩博 ,  陈松 ,  牛玉广 ,  王玮

IPC: G06F18/2431 ,  G06F18/2415 ,  G06F18/25 ,  G06F18/15 ,  G06F18/213 ,  G06N3/006 ,  G06N3/049 ,  F01D9/02 ,  G06F123/02

Abstract: 本发明公开了一种基于特征信息融合的燃气轮机进口导叶系统故障诊断方法；包括：原始振动信号采集；故障机理分析；变分模态分解(VMD)参数寻优及分解；故障特征提取；状态特征向量归一化；特征向量编码；脉冲神经网络(SNN)故障诊断。本分明采用海豚群算法对VMD参数寻优，提升分解准确率；以峭度‑互信息熵为依据筛选对故障信息敏感的IMF分量，剔除分布规则差、冲击成分少的故障特征敏感模态函数；采用多特征熵值算法在时频域进行故障特征提取，避免单一特征无法全面反映故障特征信息，为故障的准确诊断提供保证；采用SpikeProp算法优化SNN，具备非线性分类问题求解能力，使训练结果更加准确。