[發明專利]一種基于CEEMDAN的轉子運行狀態監測方法

在審

• 申請號: 201811083048.8
• 申請日: 2018-09-17
• 公開（公告）號: CN109253872A
• 公開（公告）日: 2019-01-22
• 發明（設計）人: 葛春雪
• 申請（專利權）人: 華西能源工程有限公司
• 主分類號: G01M13/00
• 分類號: G01M13/00
• 代理公司: 成都九鼎天元知識產權代理有限公司 51214
• 代理人: 夏琴

1.一種基于CEEMDAN的轉子運行狀態監測方法，其特征在于，具體包括以下過程：

步驟1，利用ZT-3轉子振動模擬試驗臺模擬轉子的振動過程，通過傳感器采集到的振動狀態參數作為數據樣本；

步驟2，針對數據樣本，利用CEEMDAN方法對采集到的振動狀態參數進行分解，并提取特征向量；

步驟3，利用CS-BBO算法優化SVM分類模型，將特征向量輸入SVM分類模型中進行分類識別，實現對轉子運行狀態識別的優化。

2.如權利要求1所述的基于CEEMDAN的轉子運行狀態監測方法，其特征在于，所述步驟1的具體過程為：利用ZT-3轉子振動模擬試驗臺模擬轉子的振動過程，試驗臺選用直流并勵電動機驅動方案，電動機通過聯軸器對轉子進行直接驅動；試驗時，依據轉子的故障機理預置故障，啟動試驗裝置，將轉速緩慢提升至所要求的范圍內，通過電渦流傳感器和前置放大器采集轉子的振動信號，將采集到的振動狀態參數作為數據樣本。

3.如權利要求2所述的基于CEEMDAN的轉子運行狀態監測方法，其特征在于，所述步驟2的具體過程為：利用CEEMDAN方法對采集到的振動狀態參數進行分解；選用不同的特征值對分解后的振動狀態參數進行計算，并提取排列熵，構造特征向量。

4.如權利要求3所述的基于CEEMDAN的轉子運行狀態監測方法，其特征在于，所述步驟3的具體過程為：設CS-BBO算法的適宜度函數為分類準確率，即其中F為SVM分類模型的分類準確率，m為數據樣本測試集的個數，l_tn為第n個測試集中的正確分類個數，l_n為第n個測試集中樣本的個數；設置適宜度函數初始參數，將SVM分類模型的核函數參數σ和懲罰因子C映射至CS-BBO算法適宜度函數中的適宜度向量，通過CS-BBO算法的遷移操作和變異操作，獲取最優適宜度函數，即獲得最優的SVM分類模型；輸入特征向量即可實現對轉子運行狀態識別的優化。