基于GWO-VMD的涡轮叶片特征提取

燃气轮机涡轮叶片是燃气轮机的重要组成部分,长期工作在高温、高压、高速的恶劣环境下,健康的涡轮叶片能够保证燃气轮机高效率地工作.温度是反映燃气轮机涡轮叶片状态的关键参数,在涡轮叶片发生涂层脱落、断裂等故障时,叶片表面温度会发生变化,为了衡量涡轮叶片的健康状态,采用了温度这一叶片质量的重要指标,对数据预处理并进行特征提取,将涡轮叶片特征聚类.基于GWO-VMD提取叶片温度信号经分解后各IMF分量的4种熵特征,使用PCA对提取到的叶片特征进行降维,将降维后的特征送入FCM聚类算法,通过SSE和轮廓系数得到最佳聚类个数,实现对叶片特征的聚类.聚类效果表明,该特征提取方法能够较好地区分不同涡轮叶片的健康状态,为涡轮叶片健康监测的研究提供了一定思路.