摘要：針對汽輪機運行過程中的非平穩(wěn)性和多分量性振動故障信號,提出一種基于變分模態(tài)分解相對熵云模型和優(yōu)化最小二乘支持向量機(LSSVM)的汽輪機振動故障診斷方法。首先,利用變分模態(tài)分解按照預設尺度將故障信號分解為K個模態(tài)分量,根據(jù)各模態(tài)分量與原始信號的相對熵大小去除偽分量,提取最佳分量并將其輸入云模型,采用逆向云發(fā)生器提取特征向量。然后使用改進果蠅優(yōu)化算法動態(tài)調(diào)整搜索步長搜尋影響LSSVM識別精度的超參數(shù)最佳組合,最后將特征向量輸入?yún)?shù)優(yōu)化后的LSSVM進行故障識別,并與采用經(jīng)驗模態(tài)分解相對熵云模型和集合經(jīng)驗模態(tài)分解相對熵云模型的LSSVM識別結果進行了對比。結果表明:所提方法優(yōu)于傳統(tǒng)的信號分解方法,對汽輪機振動故障類別具有很高的識別準確率。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
