基于时移多尺度波动散布熵和改进核极限学习机的水电机组故障诊断

徐哲熙; 刘婷; 任晟民; 陈建林; 吴凤娇; 王斌

doi:10.12454/j.jsuese.202200843

您当前的位置：

首页 >

文章列表页 >

基于时移多尺度波动散布熵和改进核极限学习机的水电机组故障诊断

雅砻江流域清洁能源开发及深地工程 | 更新时间：2024-08-22

- 基于时移多尺度波动散布熵和改进核极限学习机的水电机组故障诊断
- Fault Diagnosis Method of Hydropower Units Based on Time-shifted Multiscale Fluctuation Dispersion Entropy and Improved Kernel Extreme Learning Machine
- “在能源供给结构改革领域，专家提出了一种结合时移多尺度波动散布熵和改进核极限学习机的水电机组智能故障诊断方法，有效解决了振动信号中噪声干扰问题，显著提高了诊断精度。”
- 工程科学与技术 2024年56卷第3期页码：41-51
- 作者机构：
  
  西北农林科技大学水利与建筑工程学院，陕西杨凌 712100
- 作者简介：
  
  [ "徐哲熙（1998—），女，硕士生. 研究方向：水电机组故障诊断. E-mail：2021050896@nwafu.edu.cn" ]
  教授，E-mail：binwang@nwsuaf.edu.cn
- 基金信息：
  
  国家自然科学基金项目（51509210）；陕西省重点研发计划项目（2021NY–181）
- DOI：10.12454/j.jsuese.202200843
  中图分类号： TB126
- 纸质出版日期：2024-05-20，
  
  网络出版日期：2023-02-14，
  
  收稿日期：2022-08-12，
  
  修回日期：2023-02-14，
- 稿件说明：
扫描看全文
徐哲熙,刘婷,任晟民,等.基于时移多尺度波动散布熵和改进核极限学习机的水电机组故障诊断[J].工程科学与技术,2024,56(3):41–51

Xu Zhexi,Liu Ting,Ren Shengmin,et al.Fault diagnosis method of hydropower units based on time–shifted multiscale fluctuation dispersion entropy and improved kernel extreme learning machine[J].Advanced Engineering Sciences,2024,56(3):41–51
徐哲熙,刘婷,任晟民,等.基于时移多尺度波动散布熵和改进核极限学习机的水电机组故障诊断[J].工程科学与技术,2024,56(3):41–51 DOI： 10.12454/j.jsuese.202200843.

Xu Zhexi,Liu Ting,Ren Shengmin,et al.Fault diagnosis method of hydropower units based on time–shifted multiscale fluctuation dispersion entropy and improved kernel extreme learning machine[J].Advanced Engineering Sciences,2024,56(3):41–51 DOI： 10.12454/j.jsuese.202200843.

浏览量

124

下载量

CNKI被引量

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于改进麻雀搜索算法优化LSTM的滚动轴承故障诊断

基于滚动轴承故障诊断的类间排斥松弛判别迁移学习

可拓免疫算法在汽轮机故障诊断中的应用

基于ITR-Net多源域迁移学习的高铁轴箱轴承故障诊断研究

基于时移多尺度波动散布熵和改进核极限学习机的水电机组故障诊断

Fault Diagnosis Method of Hydropower Units Based on Time-shifted Multiscale Fluctuation Dispersion Entropy and Improved Kernel Extreme Learning Machine

DOI：10.12454/j.jsuese.202200843