HHT与RBF神经网络在离心泵故障振动信号处理中的应用

作者：周云龙; 洪君; 赵鹏

来源：热能动力工程, 2007, (01): 84-87+113.

• 离心泵
• Hilbert-Huang变换
• RBF神经网络
• 故障诊断 centrifugal pump
• Hilbert-Huang transformation
• RBF(radial basis function) neural network
• fault diagnosis

根据离心泵故障振动信号的特点,提出了一种Hilbert-Huang变换(HHT)和径向基(RBF)神经网络相结合的离心泵振动信号故障诊断新方法。首先,将离心泵振动信号时间序列数据经验模态分解(Empirical Mode Decomposition,简称EMD),然后经过Hilbert-Huang变换获得各模态(Intrinsic Mode Functions,简称IMF)的能量,并以“能量比”为元素,利用能量比构造离心泵振动信号的特征向量可以很好刻画不同振动故障信息;应用RBF神经网络建立了从特征向量到故障模式之间的映射实现故障的诊断,对于离心泵的正常状态、质量不平衡、转子不对中和基础松动故...

• 出版日期2007
• 单位东北电力大学