公开(公告)号：CN114462448A

公开(公告)日：2022-05-10

申请号：CN202210047292.9

申请日：2022-01-17

Applicant: 哈尔滨理工大学

Inventor： 兰朝凤 ,  宋博文 ,  林小佳 ,  苏文涛 ,  郑智颖 ,  郭小霞

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/00

Abstract: 本发明公开了一种基于改进极限学习机的水轮机运转状态识别方法，所述方法包括：对水轮机信号进行互补集合经验模态分解(Complementary ensemble empirical mode decomposition,CEEMD)获得IMF分量；引入皮尔逊相关系数计算各个IMF分量与水轮机信号的相似度，判断信号主导模态和噪声主导模态的分界点，用小波去噪对噪声主导模态降噪，并与其余的IMF分量重构得到去噪信号；对去噪后的信号进行分解，计算每个IMF分量的排列熵，构建特征向量；用基于模拟退火算法的粒子群算法(Simulated annealing algorithm‑Particle swarm optimization,SA‑PSO)优化极限学习机(Extreme learning machine,ELM)的方式，建立水轮机运转状态识别模型SA‑PSO‑ELM。本发明提供的方法能够有效识别水轮机运转状态，效果较好。

公开(公告)号：CN114462448B

公开(公告)日：2024-12-17

申请号：CN202210047292.9

申请日：2022-01-17

Applicant: 哈尔滨理工大学

Inventor： 兰朝凤 ,  宋博文 ,  林小佳 ,  苏文涛 ,  郑智颖 ,  郭小霞

IPC: G06F18/241 ,  G06F18/10 ,  G06F18/22 ,  G06N3/006

Abstract: 本发明公开了一种基于改进极限学习机的水轮机运转状态识别方法，所述方法包括：对水轮机信号进行互补集合经验模态分解(Complementary ensemble empirical mode decomposition,CEEMD)获得IMF分量；引入皮尔逊相关系数计算各个IMF分量与水轮机信号的相似度，判断信号主导模态和噪声主导模态的分界点，用小波去噪对噪声主导模态降噪，并与其余的IMF分量重构得到去噪信号；对去噪后的信号进行分解，计算每个IMF分量的排列熵，构建特征向量；用基于模拟退火算法的粒子群算法(Simulated annealing algorithm‑Particle swarm optimization,SA‑PSO)优化极限学习机(Extreme learning machine,ELM)的方式，建立水轮机运转状态识别模型SA‑PSO‑ELM。本发明提供的方法能够有效识别水轮机运转状态，效果较好。