您的位置: 专家智库 > >

刘东

作品数:11 被引量:112H指数:8
供职机构:武汉大学水利水电学院水资源与水电工程科学国家重点实验室更多>>
发文基金:国家自然科学基金国家电网公司科技项目更多>>
相关领域:水利工程动力工程及工程热物理建筑科学机械工程更多>>

文献类型

  • 11篇中文期刊文章

领域

  • 6篇水利工程
  • 5篇动力工程及工...
  • 2篇建筑科学
  • 1篇机械工程
  • 1篇交通运输工程

主题

  • 8篇水电
  • 7篇电机
  • 7篇水电机组
  • 4篇振动
  • 4篇振动信号
  • 3篇神经网
  • 3篇神经网络
  • 3篇网络
  • 2篇堆石
  • 2篇堆石体
  • 2篇真三轴
  • 2篇奇异值
  • 2篇奇异值分解
  • 2篇卷积
  • 2篇卷积神经网络
  • 2篇故障诊断
  • 2篇EEM
  • 1篇电站
  • 1篇岩水电站
  • 1篇液力透平

机构

  • 11篇武汉大学
  • 2篇中国水电工程...
  • 1篇南京南瑞继保...
  • 1篇华北水利水电...
  • 1篇国家能源集团...
  • 1篇国网新源控股...
  • 1篇国网江西省电...
  • 1篇国网江西省电...

作者

  • 11篇刘东
  • 8篇肖志怀
  • 3篇胡晓
  • 3篇常晓林
  • 2篇马刚
  • 2篇赖旭
  • 1篇徐丹
  • 1篇谢婷蜓
  • 1篇周伟
  • 1篇刘冬
  • 1篇涂承义

传媒

  • 4篇中国农村水利...
  • 2篇水利学报
  • 2篇水电能源科学
  • 1篇流体机械
  • 1篇岩土工程学报
  • 1篇振动与冲击

年份

  • 2篇2022
  • 5篇2021
  • 1篇2020
  • 1篇2012
  • 2篇2011
11 条 记 录,以下是 1-10
排序方式:
基于EEMD-GA-BP的水电机组状态趋势预测被引量:16
2021年
电厂、电网的安全稳定与水电机组的运行状态息息相关。机组状态趋势预测弥补了故障诊断作为事后决策的不足,通过预测提前发现故障征兆,可以避免事故发生。本文结合EEMD和神经网络理论,提出了一种水电机组状态趋势预测模型。以国内某两电站的机组振动状态趋势预测为例,首先对机组振动信号进行EEMD分解,其次利用GA-BP预测模型预测各IMF分量运行趋势,最终预测信号是各分量的预测结果累加得到。实验结果表明,该模型能实现机组振动状态趋势的有效预测,相较于其他方法精度更高。
陆丹肖志怀刘东胡晓邓涛
关键词:GA-BP神经网络
基于EEMD-SDCCⅠ-HMM的水电机组振动故障识别方法被引量:16
2022年
针对水电机组故障诊断问题,提出了一种基于集合经验模态分解(EEMD),曲线趋势编码(CC)和隐马尔科夫模型(HMM)的故障识别方法。该方法首先利用EEMD处理机组振动信号,得到一系列本征模态函数(IMF)然后计算各阶IMF的标准差(SDs)形成标准差曲线,并根据IMF标准差曲线的趋势进行编码构成特征向量。最后将特征向量作为学习样本输入HMM,通过训练得到各状态的HMM。当待测样本输入各状态HMM时,可通过对比各模型输出的对数似然概率值来判断样本所属状态。试验结果表明,该方法能有效提取机组故障特征,识别故障类型,与常规故障识别方法相比,具有较高的准确率。
胡晓肖志怀刘东赵文利王海蒋文君
关键词:水电机组
水轮机模式液力透平叶片进口安放角影响分析被引量:7
2021年
针对转轮叶片进口安放角β1对超低比转速水轮机模式液力透平性能影响规律认识不足的问题,在超低比转速范围内,考虑液力透平水力性能,取不同β1建立超低比转速混流式转轮三维模型,配合过流部件构建超低比转速水轮机模式二级液力透平模型,采用ANSYS FLUENT仿真软件对液力透平内部流动特性和能量特性进行计算,对比数值模拟结果,探求β1对超低比转速水轮机模式液力透平性能影响规律。研究表明,超低比转速水轮机模式液力透平的扬程和效率与β1有密切关系,当β1增大时,扬程增高,效率降低;随着β1增大,转轮叶片弯曲程度增大,导致叶片高压区面积增大、转轮内部流体流态变差。
陈金保肖志怀李延频胡晓刘东张利红
关键词:比转速液力透平水轮机转轮数值模拟原动机
基于VMD-CNN的水电机组故障诊断被引量:15
2020年
为提高水电机组故障诊断精度,减少在振动信号特征选取过程中对专业经验的依赖,提出了一种融合变分模态分解和卷积神经网络的故障诊断方法。首先对水电机组振动信号进行变分模态分解得到若干分量,并利用这些分量构造时间图,然后搭建深度卷积神经网络对时间图进行特征提取和故障识别,建立分量和故障状态的映射关系。以实测水电机组轴向振动信号进行应用检验,并采用多组对比试验,结果表明该方法与其他方法相比故障识别准确率更高。研究成果为水电机组智能故障诊断提供了新思路。
胡晓肖志怀刘东蒋文君刘冬袁喜来
关键词:水电机组振动信号卷积神经网络故障诊断
基于振动信号的水电机组状态劣化在线评估方法研究被引量:19
2021年
实现水电机组状态劣化评估和故障预警是行业研究的热点。论文提出了一种结合时域与频域特征的机组劣化在线评估方法。(1)先利用检测指数确定振动信号中对机组运行状态最为敏感的时域特征;再以机组健康状态下工况参数X(水头、开度等)和检测指数筛选的振动信号时域特征Y为健康样本,利用最小二乘支持向量机构建机组状态健康模型Y=f(X)。基于该模型,以实时工况参数为输入,在线预测对应工况下机组振动信号时域特征健康值,计算健康值与实际值之间的相对误差,作为评估机组劣化程度的时域劣化指标。(2)利用小波变换与奇异值理论对振动信号进行分解,提取健康状态下机组振动信号奇异值特征向量并得到健康聚类中心,实时计算实测信号奇异值特征向量与健康聚类中心之间的相对欧式距离,作为频域劣化指标。结合时域和频域劣化指标,在线计算综合劣化指标评估当前时刻机组劣化程度。结合实际机组运行案例,验证了该模型的有效性和实用性。
刘东赖旭胡晓肖志怀
关键词:水电机组振动信号最小二乘支持向量机
基于卷积神经网络与奇异值分解的水电机组故障诊断方法研究被引量:9
2021年
提出了一种结合卷积神经网络,小波变换和奇异值分解理论的水电机组故障诊断方法。利用卷积神经网络提取机组轴心轨迹的图像特征;通过离散小波变换对摆度信号进行分解,获得信号的小波分解系数,对各分支系数进行重构,构造奇异值分解输入矩阵,提取矩阵奇异值作为特征向量。将两种方法提取的特征进行组合,构建包含图像特征和波形特征的混合特征向量,通过概率神经网络进行识别分类。为验证该方法的有效性,将水电机组常见故障在转子试验台上进行模拟,用上述方法进行诊断。结果表明,文中所提出的故障诊断方法能很好地识别水电机组不同运行状态,可为水电机组的故障诊断提供有效依据。
唐拥军刘东肖志怀胡晓赖旭
关键词:水电机组轴心轨迹卷积神经网络小波变换奇异值分解故障诊断
结合综合赋权与高斯区间隶属度的水电机组状态评价模型被引量:5
2022年
根据水电机组监测数据的分布特征以及单一监测指标不能完全反映机组整体运行状态的情况,提出一种基于综合赋权与高斯阈值的机组状态评价模型。首先,根据机组类型与测点构建机组层次分析体系,利用综合赋权法确定体系中各成分权重。其次,分析机组各类型监测指标统计分布情况,对振摆类等符合正态分布的指标,基于高斯阈值原理确定指标上下限值,温度类指标限值则根据规程确定。将指标限值分为良好、合格、注意、异常四个区间,根据指标限值及限值所处区间计算实时监测指标劣化度,进而得出指标健康分值。最后,结合机组层次分析体系,对各指标分值加权计算,得到机组上层指标总体得分,根据得分情况判断机组状态。以实际电站机组为例,对模型进行验证,结果表明,该模型能准确判断机组所处运行状态,评估结果与实际运行情况相符。
秦小元谢辉平刘仁杰徐丹刘东肖志怀
关键词:水电机组层次分析
基于随机散粒体模型的堆石体真三轴数值试验研究被引量:14
2012年
基于三维变形体离散单元法,模拟堆石体的真三轴试验,研究堆石体在三向不等应力状态下的强度和变形特性。真三轴数值试验装置采用六刚性板加荷方式,等中主应力比路径加载。数值试验结果表明:真三轴数值试验能较好反映堆石体在三向不等应力状态下的应力和变形规律,数值模拟得到宏观应力变形特性与试验规律相似;等中主应力比参数(2 3 1 3b=(σσ)(σσ))的大小对堆石在三向应力状态下应力和强度特性有显著的影响,堆石体在3个加载方向的变形也随该参数的变化而变化,应力比参数b从0到1变化过程中中主应变方向先压缩后膨胀,小主应变方向一直处于压缩状态;堆石体的内摩擦角随着b值的增加而增大,基本符合Lade-Duncan破坏准则;在细观层面上,围压越高,b值越大,颗粒配位数越大;加载过程中,颗粒接触法向和法向接触力各向异性程度加强,各向异性主方向角由水平向转向大主应变方向,试样各向异性系数的演化规律和试样的宏观应力变形曲线相对应,试样的宏观力学特性与细观组构存在内在的关联。
周伟刘东马刚常晓林
关键词:堆石体真三轴细观力学
观音岩重力坝深层抗滑稳定分析被引量:7
2011年
采用基于非线性有限元理论的强度储备安全系数法,对观音岩重力坝坝基的深层抗滑稳定进行了研究。通过塑性屈服区的发展过程,得到坝基的渐进破坏过程、可能的失稳模式以及强度储备安全系数,并根据《混凝土重力坝设计规范》(DL5108-1999)采用基于分项系数的刚体极限平衡法对坝基抗滑稳定进行了核算,各坝段的深层抗滑稳定安全系数均大于1.0,满足规范要求;结果表明大坝坝基深层抗滑稳定是有保证的。
涂承义常晓林刘东
关键词:刚体极限平衡法深层抗滑稳定观音岩水电站
基于无监督特征学习的水电机组健康状态实时评价方法被引量:13
2021年
水电机组健康状态实时评价是状态监测和劣化预警中的重要内容,传统方法采用单一限值比较,不能体现机组个性特色,且适用机组运行工况有限。同时,现阶段已知的水电机组故障类型有限,缺乏故障样本,限制了有监督特征学习方法的实际应用。本文提出了以无监督特征学习技术构建水电机组健康状态劣化指标的新方法,充分利用水电机组状态监测系统中海量数据,挖掘机组正常状态关键特征,建立基于特征空间重构奇异值分解的时域劣化指标和基于自编码器重构误差的频域劣化指标,实时量化评价机组健康状态。以国内某水电站机组轴向振动波形为例,验证了劣化指标的有效性。结果表明,所提出的劣化指标能够反映机组健康状态劣化程度,且比常用时域统计指标更清晰地表现劣化趋势,有效评价机组健康状态,实用性更强。
胡晓肖志怀刘东吴道平查海涛廖志芳
关键词:水电机组振动信号奇异值分解
共2页<12>
聚类工具0