期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
基于粗糙集和聚类PSO-RBF的水电机组故障诊断
被引量:
2
下载PDF
职称材料
导出
摘要
将聚类PSO优化粗糙集-神经网络算法引入水电机组故障诊断中,利用聚类算法和PSO算法的优点改进粗糙集属性约简方法并对水电机组故障的检测信息进行约简,提取对故障分类起主要作用的信息,并用BP神经网络对粗糙集处理后的故障信息进行诊断。该方法降低了神经网络的输入信息空间维数,简化神经网络结构,有效提高故障诊断的准确性。通过对水电机组振动故障数据进行诊断分析,证明了该诊断方法的有效性和优越性。
作者
范秀香
林峰平
机构地区
湖北工业大学电气与电子工程学院
深圳康必达控制技术有限公司
出处
《电气时代》
2016年第5期56-59,共4页
Electric Age
关键词
粗糙集
PSO-RBF
水电机组
神经网络
故障诊断
决策表
机组故障
空间维数
条件属性
决策属性
分类号
TV738 [水利工程—水利水电工程]
TP18 [自动化与计算机技术—控制理论与控制工程]
引文网络
相关文献
节点文献
二级参考文献
0
参考文献
0
共引文献
0
同被引文献
29
引证文献
2
二级引证文献
19
同被引文献
29
1
万鹏,孙建平,徐擎天.
全息谱分解在水轮机组故障诊断中的应用[J]
.江西电力,2004,28(3):11-14.
被引量:2
2
韩捷,石来德.
转子系统齿式联接不对中故障的运动学机理研究[J]
.振动工程学报,2004,17(4):416-420.
被引量:34
3
何成兵,顾煜炯,杨昆.
齿式联接不对中转子的弯扭耦合振动特性分析[J]
.机械强度,2005,27(6):725-729.
被引量:17
4
符向前,蒋劲,孙慕群,匡美珍.
水电机组故障诊断系统中的模糊诊断技术研究[J]
.华中科技大学学报(自然科学版),2006,34(1):81-83.
被引量:9
5
毛江.
大型水电厂设备远程状态监测与故障诊断系统的构建[J]
.水电站机电技术,2010,33(3):110-112.
被引量:5
6
岳红利,田慕琴.
基于分形维数的电机轴承故障诊断[J]
.电气技术,2011,12(1):21-23.
被引量:2
7
张飞,潘罗平,付婧.
水轮发电机组轴心轨迹分解研究[J]
.南水北调与水利科技,2011,9(4):43-46.
被引量:6
8
蒲桂林,周建中,李超顺,李静,肖剑.
基于混合经验模式分解的水轮机压力脉动分析[J]
.水力发电,2013,39(12):57-60.
被引量:3
9
卢娜,肖志怀,曾洪涛,符向前.
基于径向基多小波神经网络的水电机组故障诊断[J]
.武汉大学学报(工学版),2014,47(3):388-393.
被引量:7
10
郑坤.
发电厂电气设备故障分析及管理[J]
.电气技术,2014,15(1):97-98.
被引量:1
引证文献
2
1
黄涛.
基于支持向量机的水电机组故障诊断研究[J]
.机电技术,2017,40(2):44-45.
2
陈珊珊,杨耿杰.
水电机组振动故障诊断方法综述[J]
.电气技术,2019,20(6):1-5.
被引量:19
二级引证文献
19
1
王启发,刘万江,白洁,刘忠仁,王润鹏.
基于神经网络技术的水轮发电机组轴心轨迹识别与故障判定研究[J]
.大电机技术,2020,0(2):44-50.
被引量:10
2
于波,韩玉斌.
基于STM32的振动信号采集系统设计[J]
.电子测量技术,2020,43(4):148-152.
被引量:12
3
惠宝军.
水电机组状态监测与故障诊断技术应用探讨[J]
.企业科技与发展,2020(5):81-82.
被引量:4
4
张长伟,李德红,席慧,王卫玉,陈启卷.
基于数据挖掘的水电机组振动区精细划分方法[J]
.浙江电力,2020,39(9):89-94.
被引量:3
5
唐斯,陈新楚,郑松.
基于注意力与多尺度卷积神经网络的电机轴承故障诊断[J]
.电气技术,2020,21(11):32-38.
被引量:10
6
刘云久,徐丹,孙超,陈州.
基于机器学习的水电趋势预警系统设计[J]
.水电站机电技术,2021,44(3):11-13.
被引量:7
7
吾买尔·吐尔逊,穆哈西,夏庆成.
基于免疫算法的水轮发电机组振动故障检测[J]
.人民长江,2021,52(5):209-211.
被引量:4
8
谭丕成,万元,朱红平,胡边,曾辉斌,刘宇.
多源信息融合的水轮机组振动测量方法[J]
.中国测试,2021,47(9):94-100.
被引量:5
9
吾买尔·吐尔逊,穆哈西,夏庆成.
基于小波分析算法的水轮机组振动故障诊断[J]
.自动化技术与应用,2022,41(3):27-29.
被引量:4
10
唐拥军,李超顺,孙慧芳,于姗,杜雅楠.
抽水蓄能机组振动速度量积分为振动位移量的方法研究[J]
.水电与抽水蓄能,2022,8(3):45-48.
被引量:1
1
王荣荣,王利平,侯新刚.
基于变精度粗糙集的水电机组故障诊断[J]
.水利水电科技进展,2009,29(3):37-40.
2
陈雷雨,岳瑞华,王华国,马清亮,王毅.
基于DEPSO-RBF神经网络的锌银电池SOC估计[J]
.计算机测量与控制,2015,23(9):3225-3227.
被引量:2
3
张任,胥芳,陈教料,潘国兵.
基于PSO-RBF神经网络的锂离子电池健康状态预测[J]
.中国机械工程,2016,27(21):2975-2981.
被引量:20
4
辛晟,郭磊.
水力发电机组振动故障诊断技术综述[J]
.水利电力科技,2009,35(4):9-12.
被引量:4
5
秦建明,吴杰,范鑫.
模糊理论在水电机组振动故障诊断系统中的应用[J]
.水利电力机械,2007,29(12):28-30.
6
王林先,李乃永.
基于粗糙集理论和故障信息网的电网故障诊断方法[J]
.继电器,2008,36(8):59-63.
被引量:15
7
张耀天,何正友,赵静,张鹏,李明,桂建廷.
基于粗糙集理论和朴素贝叶斯网络的电网故障诊断方法[J]
.电网技术,2007,31(1):37-43.
被引量:34
8
吕俊,任雪萍.
一种基于粗糙集理论的变压器故障多变量决策树诊断方法[J]
.安徽电气工程职业技术学院学报,2011,16(1):64-68.
被引量:2
9
李盘荣,华伟东.
基于QPSO-RBFNN和模糊理论的电力系统短期负荷预测方法[J]
.电力科学与技术学报,2008,23(1):60-65.
被引量:1
10
李春华,徐少雄.
基于PSO的RBF神经网络的变频调速系统的研究[J]
.工业仪表与自动化装置,2015(3):3-5.
被引量:1
电气时代
2016年 第5期
职称评审材料打包下载
相关作者
内容加载中请稍等...
相关机构
内容加载中请稍等...
相关主题
内容加载中请稍等...
浏览历史
内容加载中请稍等...
;
用户登录
登录
IP登录
使用帮助
返回顶部