| 改进粒子滤波在汽轮机故障诊断中的应用 |
| |
| 引用本文： | 夏飞,郝硕涛,张浩,彭道刚.改进粒子滤波在汽轮机故障诊断中的应用[J].应用声学,2016,24(1):35-38. |
| |
| 作者姓名： | 夏飞 郝硕涛 张浩 彭道刚 |
| |
| 作者单位： | 上海电力学院 电力与自动化工程学院,上海 200090;同济大学 电子与信息工程学院,上海 201804,上海电力学院 电力与自动化工程学院,上海 200090;上海发电过程智能管控工程技术研究中心,上海 200090,上海电力学院 电力与自动化工程学院,上海 200090;同济大学 电子与信息工程学院,上海 201804,上海电力学院 电力与自动化工程学院,上海 200090;上海发电过程智能管控工程技术研究中心,上海 200090 |
| |
| 基金项目： | 上海市“科技创新行动计算”高新技术领域科研项目(15111106800)；上海市发电过程智能管控工程技术研究中心项目(14DZ2251100)；上海市电站自动化技术重点实验室开放课题(13DZ2273800)。 |
| |
| 摘 要： | 针对汽轮机的振动信号容易受到较为复杂的随机噪声污染,提出了一种改进粒子滤波的振动信号降噪方法;首先建立采集振动信号的数学模型,将其作为粒子滤波的状态方程；然后利用小波分析提取采集振动信号的背景噪声,将其和状态信号一起作为观测信号,得到观测方程,把降噪问题转化成在状态空间模型下的滤波问题;由于采用序贯重要性采样的粒子滤波存在着样本退化问题,在重采样阶段采用了一种权值排序、优胜劣汰的重采样算法,就是对各粒子的归一化权值从小到大的排列顺序,并根据权值方差大小淘汰粒子,从而得到了改进的粒子滤波算法,在一定程度上解决了标准粒子滤波的退化问题;进而运用改进粒子滤波算法对振动信号进行降噪处理,降噪前信号和降噪后信号分别通过小波包分解系数求取频带能量,根据各个频带能量的变化提取故障特征向量浓缩了汽轮机振动故障的全部信息,对提取的故障特征向量应用诊断识别算法进行故障模式识别;通过对比降噪前信号和降噪后信号的故障诊断识别率,证明了改进粒子滤波在汽轮机故障诊断中的应用效果更佳。
|
| 关 键 词： | 改进粒子滤波 状态方程 权值排序 优胜劣汰 小波分析 |
| 收稿时间： | 2015/6/21 0:00:00 |
| 修稿时间： | 9/6/2015 12:00:00 AM |
Improved Particle Filter Applied in Fault Diagnosis of Steam Turbine |
| |
| Xia Fei,Hao Shuotao,Zhang Hao and Peng Daogang.Improved Particle Filter Applied in Fault Diagnosis of Steam Turbine[J].Applied Acoustics,2016,24(1):35-38. |
| |
| Authors: | Xia Fei Hao Shuotao Zhang Hao and Peng Daogang |
| |
| Abstract: | |
| |
| Keywords: | improved particle filter state equation weight sorting survival of the fittest wavelet analysis |
|
| 点击此处可从《应用声学》浏览原始摘要信息 |
| 点击此处可从《应用声学》下载免费的PDF全文 |
|
