力学与实践

作者：李浩, 郑祥豪, 张宇宁, 李金伟,

关键词：水泵水轮机, 压力脉动, 经验小波变换, 散布熵, 卷积神经网络,

监测和识别原型水泵水轮机无叶区的流动状态，对于保证抽水蓄能电站的运行安全性和稳定性有非常重要的意义。本文提出了一种基于经验小波变换、散布熵和卷积神经网络原理的流态特征提取和识别方法，首先使用经验小波变换对压力脉动信号进行分解，然后通过计算各分量的散布熵提取流态相关特征，最后通过利用特征–标签对训练卷积神经网络得到的智能识别模型，实现了无叶区流态识别。利用从国内某水泵水轮机采集到的发电、抽水和空转工况下实测压力脉动信号对该方法进行了测试，测试的平均准确率达到了94.84%，证明了该方法的有效性。

来源：2023年第5期

《力学与实践》期刊编辑部

查看力学与实践杂志2023年第5期