论文部分内容阅读
针对水电机组振动信号的非平稳性和特殊性,提出一种基于集合经验模态分解（EEMD）的奇异谱熵和自组织特征映射网络（SOM）相结合的故障诊断方法。首先采用EEMD对振动信号进行分解,得到本征模态函数（IMF）;随后进行奇异谱分解,得到反映振动信号的动态特征向量——奇异谱熵;最后将得到的特征向量输入经过训练的SOM神经网络中进行故障自动识别。结果表明：该方法可以准确地提取机组故障特征,具有更高的识别精度和更快的计算速度。