Page 129 - 2024年第55卷第6期

２０１７，３６（８）：７８ － ８５．
［１６］ ＡＮＸＬ，ＹＡＮＧＪＪ．ＡｍｅｔｈｏｄｏｆｅｌｉｍｉｎａｔｉｎｇｔｈｅｖｉｂｒａｔｉｏｎｓｉｇｎａｌｎｏｉｓｅｏｆｈｙｄｒｏｐｏｗｅｒｕｎｉｔｂａｓｅｄｏｎＮＡ － ＭＥＭＤ
ａｎｄａｐｐｒｏｘｉｍａｔｅｅｎｔｒｏｐｙ ［Ｊ］．ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＩｎｓｔｉｔｕｔｉｏｎｏｆＭｅｃｈａｎｉｃａｌＥｎｇｉｎｅｅｒｓ，ＰａｒｔＥ：ＪｏｕｒｎａｌｏｆＰｒｏｃｅｓｓ
ＭｅｃｈａｎｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，２０１７，２３１（２）：３１７ － ３２８．
［１７］ ＣＨＥＮＺ，ＬＩＹ Ａ， ＬＩＡＮＧ Ｈ Ｔ， ｅｔａｌ．Ｈｉｅｒａｒｃｈｉｃａｌｃｏｓｉｎｅｓｉｍｉｌａｒｉｔｙｅｎｔｒｏｐｙｆｏｒｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎｏｆｓｈｉｐ －
ｒａｄｉａｔｅｄｎｏｉｓｅ ［Ｊ］．Ｅｎｔｒｏｐｙ，２０１８，２０（６）：４２５．
［１８］ ＬＩＹＢ，ＬＩＡＮＧＸＨ，ＷＥＩＹ，ｅｔａｌ．Ａｍｅｔｈｏｄｂａｓｅｄｏｎｒｅｆｉｎｅｄｃｏｍｐｏｓｉｔｅｍｕｌｔｉ － ｓｃａｌｅｓｙｍｂｏｌｉｃｄｙｎａｍｉｃｅｎｔｒｏｐｙ
ａｎｄＩＳＶＭ－ ＢＴｆｏｒｒｏｔａｔｉｎｇｍａｃｈｉｎｅｒｙｆａｕｌｔｄｉａｇｎｏｓｉｓ［Ｊ］．Ｎｅｕｒｏｃｏｍｐｕｔｉｎｇ，２０１８，３１５：２４６ － ２６０．
［１９］ 陈畅，张毅，段炼达，等．基于改进 预 测 模 型 的 水 电 机 组 状 态 趋 势 预 测 ［Ｊ］．水 电 能 源 科 学，２０２２，４０
（１）：１６３ － １６７．
［２０］ 黎梓昕，林海军，徐雄，等．基于 ＫＰＣＡ － ＰＳＯ － ＳＶＭ 的 水 轮 机 组 故 障 检 测 方 法 ［Ｊ］．排 灌 机 械 工 程 学 报，
２０２３，４１（５）：４６７ － ４７４．
［２１］ 周叶，唐澍，潘罗平，等．基 于 支 持 向 量 机 的 水 电 机 组 轴 系 运 行 故 障 诊 断 及 预 测 研 究 ［Ｊ］．水 利 学 报，
２０１３，４４（Ｓ１）：１１１ － １１５．
［２２］ 陈喜阳，闫海桥，孙建平．基于 ＰＳＯ － ＢＰ与 组 合 矩 的 水 电 机 组 轴 心 轨 迹 识 别 ［Ｊ］．振 动、测 试 与 诊 断，
２０１６，３６（１）：１０８ － １１４，２０１．
［２３］ 万晓静，孙文磊，陈坤．小波包能量熵和改进的 ＬＳＳＶＭ在风力机轴承故障诊断中的应用［Ｊ］．水电能源科
学，２０２１，３９（２）：１４２ － １４５．
［２４］ 郭鹏程，孙龙刚，李辉，等．基于多重分形谱和改进 ＢＰ神经网络的水电机组振动故障诊断研究［Ｊ］．水力
发电学报，２０１４，３３（３）：２９９ － ３０５．
［２５］ 宋宇博，刘运航，朱大 鹏．自 适 应 ＵＰＥＭＤ － ＭＣＫＤ轴 承 故 障 特 征 提 取 方 法 ［Ｊ］．振 动 与 冲 击，２０２３，４２
（３）：８３ － ９１．
［２６］ 李晓晨，白音包力皋，李向东，等．基于 ＩＰＳＯ － ＢＰ神经网络的高含沙水体对鱼类影响预测方法［Ｊ］．水利
学报，２０２３，５４（３）：２９１ － ３０１．
［２７］ 朱文龙．水轮发电机组故障诊断及预测与状态评估方法研究［Ｄ］．武汉：华中科技大学，２０１７．
［２８］ 肖汉，周建中，肖剑，等．滑动轴承－ 转子系统不平衡－ 不对中－ 碰摩耦合故障动力学建模及响应信号分解
［Ｊ］．振动与冲击，２０１３，３２（２３）：１５９ － １６５．
［２９］ ＷＡＮＧＹＨ，ＸＩＡＯＺＨ，ＬＩＵＤ，ｅｔａｌ．Ｄｅｇｒａｄａｔｉｏｎｔｒｅｎｄｐｒｅｄｉｃｔｉｏｎｏｆｈｙｄｒｏｐｏｗｅｒｕｎｉｔｓｂａｓｅｄｏｎａｃｏｍｐｒｅｈｅｎ
ｓｉｖｅｄｅｔｅｒｉｏｒａｔｉｏｎｉｎｄｅｘａｎｄＬＳＴＭ［Ｊ］．Ｅｎｅｒｇｉｅｓ，２０２２，１５（１７）：６２７３．

ＦａｕｌｔｄｉａｇｎｏｓｉｓｏｆｈｙｄｒｏｐｏｗｅｒｕｎｉｔｓｂａｓｅｄｏｎＵＰＥＭＤ
ｉｎｔｅｇｒａｔｉｎｇＲＣＭＣＳＥａｎｄＡＬＷＯＡ － ＢＰ

１，２
１
１，２
ＬＩＸｉａｎｇ，ＱＩＡＮＪｉｎｇ ，ＺＥＮＧＹｕｎ
（１．ＦａｃｕｌｔｙｏｆＭｅｔａｌｌｕｒｇｉｃａｌａｎｄＥｎｅｒｇｙＥｎｇｉｎｅｅｒｉｎｇ，ＫｕｎｍｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｋｕｎｍｉｎｇ ６５００９３，Ｃｈｉｎａ；
２．ＨｙｄｒａｕｌｉｃＭａｃｈｉｎｅｒｙＩｎｔｅｌｌｉｇｅｎｔＴｅｓｔｉｎｇＥｎｇｉｎｅｅｒｉｎｇＲｅｓｅａｒｃｈＣｅｎｔｅｒｏｆＹｕｎｎａｎＵｎｉｖｅｒｓｉｔｙ，Ｋｕｎｍｉｎｇ ６５００９３，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｔｈｅｄｉａｇｎｏｓｉｓｏｆｖｉｂｒａｔｉｏｎｓｉｇｎａｌｓｉｎｈｙｄｒｏｐｏｗｅｒｕｎｉｔｓｉｓｃｒｕｃｉａｌｔｏｔｈｅｓａｆｅａｎｄｓｔａｂｌｅｏｐｅｒａｔｉｏｎｏｆｔｈｅｕ
ｎｉｔｓ．Ｔｈｉｓａｒｔｉｃｌｅｐｒｏｐｏｓｅｓａｆａｕｌｔｄｉａｇｎｏｓｉｓｍｅｔｈｏｄｆｏｒｈｙｄｒｏｐｏｗｅｒｕｎｉｔｓｂａｓｅｄｏｎｕｎｉｆｏｒｍｐｈａｓｅｅｍｐｉｒｉｃａｌｍｏｄｅｄｅ
ｃｏｍｐｏｓｉｔｉｏｎ（ＵＰＥＭＤ）ｃｏｍｂｉｎｅｄｗｉｔｈｒｅｆｉｎｅｄｃｏｍｐｏｓｉｔｅｍｕｌｔｉｓｃａｌｅｃｏｓｉｎｅｓｉｍｉｌａｒｉｔｙｅｎｔｒｏｐｙ（ＲＣＭＣＳＥ）ａｎｄａｎｉｍ
ｐｒｏｖｅｄｗｈａｌｅｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍ （ＡＬＷＯＡ）ｏｐｔｉｍｉｚｅｄｂａｃｋｐｒｏｐａｇａｔｉｏｎｎｅｕｒａｌｎｅｔｗｏｒｋ（ＢＰ）．ＴｈｅＵＰＥＭＤｉｓ
ｕｓｅｄｔｏｄｅｃｏｍｐｏｓｅｔｈｅｏｒｉｇｉｎａｌｓｉｇｎａｌ，ａｎｄｔｈｅｎａＷＯＡ － ＢＰｆａｕｌｔｄｉａｇｎｏｓｉｓｍｏｄｅｌｉｓｅｓｔａｂｌｉｓｈｅｄ．Ｔｏｓｏｌｖｅｔｈｅ
ｐｒｏｂｌｅｍｏｆＷＯＡａｌｇｏｒｉｔｈｍｑｕｉｃｋｌｙｆａｌｌｉｎｇｉｎｔｏｌｏｃａｌｏｐｔｉｍｕｍａｎｄｐｒｅｍａｔｕｒｅｃｏｎｖｅｒｇｅｎｃｅ ，ａｎａｄａｐｔｉｖｅｗｅｉｇｈｔａｎｄ
ＬｅｖｙｆｌｉｇｈｔａｒｅｕｓｅｄｔｏｏｐｔｉｍｉｚｅｔｈｅＷＯＡａｌｇｏｒｉｔｈｍ．Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅａｃｃｕｒａｃｙｏｆｔｈｉｓｍｅｔｈｏｄ
ｒｅａｃｈｅｄ１００％．Ｔｏｅｘｐｌｏｒｅｔｈｅｎｏｉｓｅｒｅｓｉｓｔａｎｃｅｐｅｒｆｏｒｍａｎｃｅｏｆｔｈｅｐｒｏｐｏｓｅｄｍｏｄｅｌ ，ａｎｏｉｓｅｗｉｔｈａｓｉｇｎａｌ － ｔｏ － ｎｏｉｓｅ
ｒａｔｉｏｏｆ２ｄＢｗａｓｉｎｔｒｏｄｕｃｅｄｆｏｒｒｅ － ａｎａｌｙｓｉｓ ，ａｎｄｔｈｅｄｉａｇｎｏｓｔｉｃｒｅｓｕｌｔｗａｓ９４．４４％，ｗｈｉｃｈｗａｓｓｉｇｎｉｆｉｃａｎｔｌｙｂｅｔｔｅｒ
ｔｈａｎｏｔｈｅｒｕｎｏｐｔｉｍｉｚｅｄｍｏｄｅｌｓ．Ｔｈｉｓｓｔｕｄｙｃａｎｐｒｏｖｉｄｅａｖａｌｕａｂｌｅｃｏｍｐｌｅｍｅｎｔｔｏｅｘｉｓｔｉｎｇｆａｕｌｔｄｉａｇｎｏｓｉｓｍｅｔｈｏｄｓｆｏｒ
ｈｙｄｒｏｐｏｗｅｒｕｎｉｔｓ．
Ｋｅｙｗｏｒｄｓ：ｈｙｄｒｏｐｏｗｅｒｕｎｉｔｓ；ｒｅｆｉｎｅｄｃｏｍｐｏｓｉｔｅｍｕｌｔｉｓｃａｌｅｅｎｔｒｏｐｙ；ｃｏｓｉｎｅｓｉｍｉｌａｒｉｔｙｅｎｔｒｏｐｙ；ＡＬＷＯＡ－ ＢＰ；
ｆａｕｌｔｄｉａｇｎｏｓｉｓ

（责任编辑：王 婧）

— ７ ５ ５ —