振动与冲击

作者：石志标，陈斐，曹丽华

单位：1.东北电力大学机械工程学院，吉林 132012；2.东北电力大学能源与动力工程学院，吉林 132012

关键词：IFOA；RVM；汽轮机转子；故障诊断

为了提高汽轮机转子故障诊断的识别准确率和效率，提出基于排列熵与改进的果蝇算法(IFOA)优化相关向量机 (RVM)的汽轮机转子故障诊断方法。将实验数据进行自适应完备的集合经验模态分解(CEEMDAN)，并选取故障特征敏感的IMF分量计算排列熵，以此构造特征样本集，进而建立&ldquo;二叉树&rdquo;IFOA-RVM故障分类器对特征集进行分类，其中IFOA通过两个阶段来定义果蝇群体的搜索范围来提高搜索效率，同时避免RVM核函数陷入局部最优。通过ZT-3汽轮机转子模拟试验台获得的故障数据进行实验研究，结果表明与模糊熵对比，排列熵获得的特征样本集的聚类效果明显；IFOA-RVM分类器在故障识别准确率和效率上优于FOA-RVM等其它分类器；证明了基于排列熵与IFOA-RVM汽轮机转子故障诊断方法的有效性和可行性。<br>

来源：2018年第5期

《振动与冲击》期刊编辑部

查看振动与冲击杂志2018年第5期