论文部分内容阅读
柴油机发电机组结构复杂，故障类型多样，其动力传动部件兼具往复机械与旋转机械的振动特性。传统的频谱分析主要通过利用傅里叶变换将在时域内难于分辨的信号映射到频域内进行分析，这对于具有平稳特点的原始信号比较有效，但是对于柴油发电机组而言，频谱分析难以提取其频率分量，因此难以实现故障诊断。通过总体平均经验模式分解（EEMD）的方法获得其本征模式函数的近似熵，将该近似熵作为特征向量结合支持向量机（SVM）进行分类，从而实现柴油发电机组的故障识别。通过实验仿真和某柴油发电机组振动异常问题的实测试验表明，该方法可以准确