复杂背景噪声下风机叶片裂纹故障声学特征提取方法

赵娟¹, 陈斌¹, 李永战², 高宝成¹

1. 北京邮电大学 自动化学院, 北京 100876;
2. 广东德风科技有限公司 工程部, 广东 528437

收稿日期:2017-09-22出版日期:2017-10-28发布日期:2017-11-21

作者简介:赵娟(1993-),女,硕士生;陈斌(1980-),男,副教授,硕士生导师,E-mail:binchen@bupt.edu.cn.

Acoustical Crack Feature Extraction of Turbine Blades under Complex Background Noise

ZHAO Juan¹, CHEN Bin¹, LI Yong-zhan², GAO Bao-cheng¹

1. School of Automation, Beijing University of Posts and Telecommunications, Beijing 100876, China;
2. Engineering Department, Guangdong Define Energy System Co. Ltd, Guangdong 528437, China

Received:2017-09-22Online:2017-10-28Published:2017-11-21

摘要/Abstract

摘要： 针对大型风机叶片裂纹故障声学诊断问题，提出一种非接触式的叶片状态远程在线声学监测系统，给出了叶片裂纹故障的声学特征自适应提取方法.首先设计了面向复杂环境噪声的原始声信号预处理算法，然后采用1/6倍频程粗略刻画叶片声信号的频谱总体变化趋势，提取无量纲的倍频程能量比构造支持向量机分类器的输入特征向量，最后引入主成分分析法自适应的优化高维特征空间.风场实测数据验证了该算法的有效性.
中图分类号:
TP277

引用本文

赵娟, 陈斌, 李永战, 高宝成. 复杂背景噪声下风机叶片裂纹故障声学特征提取方法[J]. 北京邮电大学学报, 2017, 40(5): 117-122.
ZHAO Juan, CHEN Bin, LI Yong-zhan, GAO Bao-cheng. Acoustical Crack Feature Extraction of Turbine Blades under Complex Background Noise[J]. JOURNAL OF BEIJING UNIVERSITY OF POSTS AND TELECOM, 2017, 40(5): 117-122.





PDF全文下载地址:

https://journal.bupt.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3131