-
题名基于数据驱动和ELM的水电机组振动区划分
被引量:10
- 1
-
-
作者
席慧
郑阳
安宇晨
游仕豪
陈盛
陈启卷
-
机构
武汉大学动力与机械学院
-
出处
《中国农村水利水电》
北大核心
2021年第10期140-144,共5页
-
基金
国家自然科学基金项目(52009096)。
-
文摘
传统的水电机组振动区划分方法是通过变负荷试验,采用国标规定的限值划分振动区,没有考虑机组型号和运行环境导致的阈值差异。将水电机组状态监测系统的稳定运行数据应用到振动区划分,提出了基于数据驱动和极限学习机(ELM)的水电机组振动区划分模型,筛选能够表征机组稳定性状态的测点,根据全工况稳定性状态样本数据对振动区划分模型进行分类训练,进而实现机组振动区高效、精确划分。实际应用表明,基于数据驱动和ELM的水电机组振动区划分模型,具有快速、高效获取在线状态监测系统有效数据的优点,其振动区划分结果与传统方法相比,覆盖工况区间广,可靠性高。
-
关键词
数据驱动
极限学习机
在线监测
振动区划分
-
Keywords
data driven
extreme learning machine
vibration region partition
on-line monitoring
-
分类号
TV734.1
[水利工程—水利水电工程]
-