基于小波分析的汽轮机故障诊断研究
|
摘要
汽轮发电机组是电力生产的重要设备,由于其设备结构的复杂性和运行环境的特殊性,汽轮发电机组的故障率一直比较高,故障危害性也很大。因此,汽轮发电机组的故障诊断一直是故障诊断技术应用的一个重要方面。
汽轮机振动信号中一般含有大量的噪声,要求对振动信号进行消噪。在研究了Donoho阈值消噪的基础上,提出了阈值量化的新定义,并实现了一种基于遗传算法的信号消噪方法,通过引入了γ估计因子,对估计因子的遗传优化来实现提高信噪比的目的,比较检测效果,可以看到基于遗传算法的消噪效果要比传统的Donoho阈值消噪效果更好。
小波包作为一种时频分析手段引入到振动信号分析,小波包系数可以非常灵活地提供信号在时域和频域的信息。通过实验分析,基于小波包分解算法的汽轮机故障特征提取相比FFT频谱分析算法,同样能够完全满足振动信号分析的要求,并且可以获得振动信号的能量在频率上的分布,这为贝叶斯网络的构建提供了基础。实验证明,该方法用于信号的特征提取是非常有效和切实可行的。
将Bently转子实验室获取的能量-频率表离散化,来构建贝叶斯网络模型。并将Bently实验台上得到的碰磨数据进行消噪、特征提取,获得碰磨故障下的故障征兆,结合贝叶斯网络模型及专家经验确定的先验概率,来实现贝叶斯网络对故障的分类。实验结果证明,本文基于专家经验的贝叶斯网络模型与振动信号的消噪及特征提取技术,能根据振动信号,准确的判断故障类型。
在山西某电厂实现了厂级信息监控系统(SIS)及该厂机组的仿真机系统,SIS能够实现生产流程监控及机组性能计算的功能;仿真机系统能完全并真实反映该厂机组的情况,为该厂提供了虚拟的技术平台。
Turbine vibration signal generally contains a lot of noise, so requires de-noising the vibration signal.Based on the Donoho threshold de-noising, proposed a new definition of quantitative threshold, and implements a signal de-noising method based on genetic algorithm, Through the introduction of the estimated factorα,to achieve the purpose of improving signal to noise ratio by genetic optimization the estimated factor. Comparing test results, we can see based on genetic algorithms de-noising effect is much better than the traditional threshold of Donoho de-noising.
Wavelet packet as a time-frequency domain analysis tools introduced into the vibration signal analysis, wavelet packet coefficients can be very flexible to provide the information of signal in time domain and frequency domain. Through experimental analysis, feature extraction of turbine fault based on wavelet packet decomposition algorithm is compared with FFT spectrum analysis algorithm, also be able to fully meet the requirements of vibration signal analysis.Also get the distribution of vibration signal energy in the frequency, this provide the basis for the construction of Bayesian networks.Experiments show that the method used to signal feature extraction is very effective and practical.
Discretization the energy-frequency table which obtained in Bently Rotor laboratory, to build a Bayesian network model.At the same time, de-noising the Rubbing data from Bently experimental table, feature extraction, obtained the fault symptoms under the rub fault,combined with Bayesian network model, and the expertise to determine a priori probability, to achieve the fault classification by the Bayesian networks. Experimental results show that according to turbine vibration signals,the expertise-based Bayesian network model and vibration signal de-noising and feature extraction techniques, can accurately determine what the fault it is.
汽轮机振动信号中一般含有大量的噪声,要求对振动信号进行消噪。在研究了Donoho阈值消噪的基础上,提出了阈值量化的新定义,并实现了一种基于遗传算法的信号消噪方法,通过引入了γ估计因子,对估计因子的遗传优化来实现提高信噪比的目的,比较检测效果,可以看到基于遗传算法的消噪效果要比传统的Donoho阈值消噪效果更好。
小波包作为一种时频分析手段引入到振动信号分析,小波包系数可以非常灵活地提供信号在时域和频域的信息。通过实验分析,基于小波包分解算法的汽轮机故障特征提取相比FFT频谱分析算法,同样能够完全满足振动信号分析的要求,并且可以获得振动信号的能量在频率上的分布,这为贝叶斯网络的构建提供了基础。实验证明,该方法用于信号的特征提取是非常有效和切实可行的。
将Bently转子实验室获取的能量-频率表离散化,来构建贝叶斯网络模型。并将Bently实验台上得到的碰磨数据进行消噪、特征提取,获得碰磨故障下的故障征兆,结合贝叶斯网络模型及专家经验确定的先验概率,来实现贝叶斯网络对故障的分类。实验结果证明,本文基于专家经验的贝叶斯网络模型与振动信号的消噪及特征提取技术,能根据振动信号,准确的判断故障类型。
在山西某电厂实现了厂级信息监控系统(SIS)及该厂机组的仿真机系统,SIS能够实现生产流程监控及机组性能计算的功能;仿真机系统能完全并真实反映该厂机组的情况,为该厂提供了虚拟的技术平台。
Turbine vibration signal generally contains a lot of noise, so requires de-noising the vibration signal.Based on the Donoho threshold de-noising, proposed a new definition of quantitative threshold, and implements a signal de-noising method based on genetic algorithm, Through the introduction of the estimated factorα,to achieve the purpose of improving signal to noise ratio by genetic optimization the estimated factor. Comparing test results, we can see based on genetic algorithms de-noising effect is much better than the traditional threshold of Donoho de-noising.
Wavelet packet as a time-frequency domain analysis tools introduced into the vibration signal analysis, wavelet packet coefficients can be very flexible to provide the information of signal in time domain and frequency domain. Through experimental analysis, feature extraction of turbine fault based on wavelet packet decomposition algorithm is compared with FFT spectrum analysis algorithm, also be able to fully meet the requirements of vibration signal analysis.Also get the distribution of vibration signal energy in the frequency, this provide the basis for the construction of Bayesian networks.Experiments show that the method used to signal feature extraction is very effective and practical.
Discretization the energy-frequency table which obtained in Bently Rotor laboratory, to build a Bayesian network model.At the same time, de-noising the Rubbing data from Bently experimental table, feature extraction, obtained the fault symptoms under the rub fault,combined with Bayesian network model, and the expertise to determine a priori probability, to achieve the fault classification by the Bayesian networks. Experimental results show that according to turbine vibration signals,the expertise-based Bayesian network model and vibration signal de-noising and feature extraction techniques, can accurately determine what the fault it is.
引文
[1]李录平.汽轮机组故障诊断技术[M].北京:中国电力出版社,2002
[2]边肇祺.张学工.模式识别(第二版) [M].北京:清华大学出版社,1999
[3]施圣康.汽轮机组振动故障诊断技术的发展现状.动力工程Vol.21 No.4 Aug.2001:1295~1298
[4] Doglas J.Smith.Intelligent Computer systems enhance power plant operations.Power Engineering.1989,93(12):21~26
[5]张瑞林.机械故障诊断技术发展现状及展望.第二届全国机械设备故障诊断学术会议论文集,1988年
[6]华斌,周建中,喻菁.贝叶斯网络在水电机组故障诊断中的应用研究.华北电力大学学报,2004,31(5):33~36
[7] Patton R J,Chen J.Review of Parity Space Approaches to Fault Diagnosis for Aerospace System.Journal of Guidance,Control and Dynamics,1994,17(2):278 285
[8] Patton R J.Robustness in Model based Fault Diagnosis:1995 situation.Annual Review in Control,1997,21:103 123
[9] Frank P.M,X.Ding.Survey of Robust Residual Generation and Evaluation Methods in Observer based Fault Detection System.Journal of Process Control,1997,7(6):403~ 424
[10]吴今培.智能故障诊断技术的发展和展望.震动、测试与诊断,1999,19(2):80~147
[11]玄志成,陈章位,黄克强等.基于Petri网的符合故障诊断方法的研究.机械科学与技术,1999,18(2):291~293
[12] Feng Lin.Dignosability of Discrete Event Systems and Its Applications.Discrete Event Dynamics Systems,1994,4:197~212
[13] Meera Sampath , Raja Sengupta , Stephane Lafoutune.Dignosability of Discrete Event Systems.IEEE Transaction on Automatic Control,1995,40(9):1555~1575
[14] Meera Sampath,Raja Sengupta,Stephane Lafoutune.Active Diagnosis of Discrete Event Systems.IEEE Transaction on Automatic Control,1998,43(7):908~929
[15]叶昊,王桂增,方崇智.小波变换在故障检测中的应用.自动化学报,1997,23(6):736~ 741
[16]李建平等.小波分析与信号处理理论[M],应用及软件实现.重庆:重庆出版社,1997
[17]崔锦泰著,程正兴译.小波分析导论.西安:西安交通大学出版社,1995
[18] Chan D.Wai T.A novel technique for high impedance fault identification[J] .IEEE Transactions on Power Delivery,1998;13(3):738~744
[19]韩鹏,程耕国.小波分析在旋转机械故障诊断中的应用[J].武汉科技大学学报(自然科学版).Vol.26,No.1 Mar.2003:60~62
[20]王肖芬,徐科军,沈峄.小波滤波器幅频特性的研究.合肥工业大学学报(自然科学版).第26卷第2期2003年4月,Vol.26 No.2 Apr.2003.171~175
[21] (美)J.S.米切尔著;林明邦等译.机器故障的分析与监测[M].北京:机械工业出版社,1990.2
[22]管霖,吴国沛,黄雯莹等.小波变换在电力设备故障诊断中的应用研究[J].中国电机工程学报,2000年第10期第20卷(46~49,54)
[23]曹志彤,何国光,陈宏平等.电机故障特征值的倍频小波分析[J].中国电机工程学报,2003年第7期第23卷(110~114)
[24]胡晓光,戴景民,纪延超.基于小波奇异性检测的高压断路器故障诊断[J].中国电机工程学报,2001年第5期第21卷(67~70)
[25]彭志科,何永勇,卢青.用小波时频分析方法研究发电机碰磨故障特征[J].中国电机工程学报,2003年第5期第23卷(75~79)
[26]赵松年,熊小芸.子波变换与子波分析[M].北京:电子工业出版社,1996
[27]任震,黄雯莹,石志强.小波分析及其在电力系统中的应用[J].电力系统自动化1997,21(3):9~12
[28]胡广书.数字信号处理[M].清华大学出版社,1997
[29] S.Mallat and W.L.Hwang.Singularity detection and processing with wavelet[J].IEEE Transaction on Information Theory,1992,38(2):617~643
[30]朱云芳,戴朝华,陈维荣.小波消噪阈值选取的一种改进方法[J].电测与仪表.Vol.42,No.475 Jul.2005:4~6
[31]王亚,吕新华,王海峰.一种改进的小波阈值降噪方法及Matlab实现[J].微计算机信息,2006(22):259~261
[32]张磊,潘泉,张洪才等.小波域滤波阈值参数c的选取[J].电子学报,2001,29(3):400~402
[33]陈益,李书.改进的小波阈值消噪法应用于超声信号处理[J].北京航空航天大学学报.Vol.32,No.4 Apr.2006:465~ 470
[34]韩璞等.火电厂计算机监控与监测[M].中国水利水电出版社,2005
[35]王小平,曹立明.遗传算法——理论、应用与软件实现[M].西安:西安交通大学出版社,2002
[36] Donoho.D.L.Denoising by soft thresholding[J].IEEE Transaction on information Theory,1995,411(3),613~627
[37] Donoho D.L.Adapting to unknown smoothness via wavelet[J].shrinkage.J Amer starist assoc,1995,90(432),613~627
[38] Grossmann A.Wavelet transform and edge detection[A].Hanzewindkel.M cd.Stochastic processing in physics and engineering.Dodrecht,Reidel,1986,89~96
[39] Pan Q,Zhang L,Dai G.Two denoising method by wavelet transform.IEEE Transaction on Signal Processing[J].1999,47(12),567~589
[40] Nath S.K.Wavelet based compressing and denoising of optical tomography data[J].Optics Communication,1999,(total 167),37~46
[41]胡昌华,张军波等.基于MATLAB的系统分析与设计——小波分析[M].西安电子科技大学出版社,1999
[42]彭玉华,小波变换与工程应用[M],北京:科学出版社,1999
[43]李录平编著,汽轮机组故障诊断技术[M].北京:中国电力出版社,2002
[44]钟秉林,黄仁主编,机械故障诊断学[M].北京:机械工业出版社,1997.12
[45]施维新编著,汽轮发电机组振动及事故[M].北京:中国电力出版社,1998.10
[46]徐敏等编著,设备故障诊断手册——机械设备状态监测和故障诊断[M].西安:西安交通大学出版社,1998.10
[47]何正嘉等.机械设备非平稳信号的故障诊断原理及应用[M].北京:高等教育出版社,2001.11
[48]姚其峰,刘建民,玉立江等.汽轮机转子不平衡的诊断及治理[J].中国修船,2004第4期,18~20
[49]王雪峰,祁智明,焦玲玲.工作转速下转轴碰磨振动的诊断处理[J].山西电力,No.1(Ser.118)Feb,2004,25~27
[50]赵文新.200MW机组通流碰磨的非稳定振动分析与诊断[J].东北电力技术,2003年第3期:1~5
[51]马元奎,陆颂元.机组动静碰磨故障的小波包诊断及贝叶斯判别方法研究[J].动力工程,Vol.21 No.5,Oct.2001:1439~1443
[52]李录平,邹新元等.汽轮发电机组碰磨故障的典型特征研究[J].振动、测试与诊断,Vol.21 No.4,Dec.2001:281~285
[53]李录平,韩西京,韩守木等.从振动频谱中提取旋转机械故障特征的方法[J].汽轮机技术,1998(1):11~14
[54]李录平,邹新元.小波变换在振动故障奇异信号检测中的应用[J].汽轮机技术,2000(1):7~9
[55]黄文虎等.设备故障诊断原理、技术及应用[M],北京:科学出版社,1996.8
[56]孙超,韩捷,关惠玲等.齿式联轴器联接不对中振动机理及特征分析[J].振动、测试与诊断,Vo1.24 NO.3 Sep.2004:229~233
[57]王延博,张学延.大坝电站300MW机组不对中振动故障的诊断处理[J].汽轮机技术,Vo1.46 No.4 Aug.2004:302~304
[58]李慧敏,曾胜,汪希萱.采用电磁辅助支承在线消除转子不对中的试验研究[J].机床与液压,2004,No.12:102~103
[59]陈林华.不对中转子系统振动特征分析与诊断[J].压缩机技术,2003年第6期(总第182期):16~19
[60]缪明华.汽轮发电机组突发性振动分析与故障诊断[J].安徽工业大学学报,2004年21卷2期:116~120
[61]赵道利,梁武科,罗兴锜.水电机组振动信号的子带能量特征提取方法研究[J].水力发电学报,2004年23卷6期:116~119
[62] GU Yanfeng,ZHANGYe,YU Shanshan.A Fast Feature Extraction Method Based on Integer Wavelet Transform for Hyperspectral Images[J].Chinese of Journal Electronics(电子学报:英文版),2004年13卷3期:496~500
[63]焦卫东.基于互信息的小波特征提取方法及其在机械故障诊断中的应用[J].中国机械工程,2004年15卷21期,1946~1949
[64]戴洪海,周建中,付波.水轮机组振动信号中的小波滤波和特征提取[J].华中电力,2004年17卷3期,5~7
[65] Shao Junpeng,Jia Huijuan.FEATURE EXTRACTION OF VIBRATION SIGNALS BASED ON WAVELET PACKET TRANSFORM[J].Chinese Journal of Mechanical Engineering(机械工程学报:英文版),2004年17卷1期:25~27
[66]侯敬宏,黄树红,申弢等.基于小波分析的旋转机械振动信号定量特征研究[J].机械工程学报,2004年40卷1期:131~135
[67]侯军虎,王松岭,安连锁等.电站离心通风机旋转失速的试验研究及特征提取[J].风机技术,2003年卷6期:15~19
[68]彭玉华.小波变换与工程应用[M].科学出版社.2000.6
[69]杨福生.小变换的工程分析与应用[M].北京大学出版.2000.11
[70]张晓丹,赵海,谢元芒.用于水电厂设备的故障诊断的贝叶斯网络模型[J].东北大学学报(自然科学版),2006,27(3):276~279
[71]刘伟娜,霍利民,张立国.贝叶斯网络精确推理算法的研究[J].微计算机信息,2006,22(3):92~94
[72]胡玉胜,涂序彦,崔晓瑜等.基于贝叶斯网络的不确定性知识的推理方法[J].计算机集成制造系统-CIMS,2001,7(12):65~68
[73]李俭川,胡茑庆,秦国军.贝叶斯网络理论及其在设备故障诊断中的应用[J].中国机械工程,2003,14(10):896~900
[2]边肇祺.张学工.模式识别(第二版) [M].北京:清华大学出版社,1999
[3]施圣康.汽轮机组振动故障诊断技术的发展现状.动力工程Vol.21 No.4 Aug.2001:1295~1298
[4] Doglas J.Smith.Intelligent Computer systems enhance power plant operations.Power Engineering.1989,93(12):21~26
[5]张瑞林.机械故障诊断技术发展现状及展望.第二届全国机械设备故障诊断学术会议论文集,1988年
[6]华斌,周建中,喻菁.贝叶斯网络在水电机组故障诊断中的应用研究.华北电力大学学报,2004,31(5):33~36
[7] Patton R J,Chen J.Review of Parity Space Approaches to Fault Diagnosis for Aerospace System.Journal of Guidance,Control and Dynamics,1994,17(2):278 285
[8] Patton R J.Robustness in Model based Fault Diagnosis:1995 situation.Annual Review in Control,1997,21:103 123
[9] Frank P.M,X.Ding.Survey of Robust Residual Generation and Evaluation Methods in Observer based Fault Detection System.Journal of Process Control,1997,7(6):403~ 424
[10]吴今培.智能故障诊断技术的发展和展望.震动、测试与诊断,1999,19(2):80~147
[11]玄志成,陈章位,黄克强等.基于Petri网的符合故障诊断方法的研究.机械科学与技术,1999,18(2):291~293
[12] Feng Lin.Dignosability of Discrete Event Systems and Its Applications.Discrete Event Dynamics Systems,1994,4:197~212
[13] Meera Sampath , Raja Sengupta , Stephane Lafoutune.Dignosability of Discrete Event Systems.IEEE Transaction on Automatic Control,1995,40(9):1555~1575
[14] Meera Sampath,Raja Sengupta,Stephane Lafoutune.Active Diagnosis of Discrete Event Systems.IEEE Transaction on Automatic Control,1998,43(7):908~929
[15]叶昊,王桂增,方崇智.小波变换在故障检测中的应用.自动化学报,1997,23(6):736~ 741
[16]李建平等.小波分析与信号处理理论[M],应用及软件实现.重庆:重庆出版社,1997
[17]崔锦泰著,程正兴译.小波分析导论.西安:西安交通大学出版社,1995
[18] Chan D.Wai T.A novel technique for high impedance fault identification[J] .IEEE Transactions on Power Delivery,1998;13(3):738~744
[19]韩鹏,程耕国.小波分析在旋转机械故障诊断中的应用[J].武汉科技大学学报(自然科学版).Vol.26,No.1 Mar.2003:60~62
[20]王肖芬,徐科军,沈峄.小波滤波器幅频特性的研究.合肥工业大学学报(自然科学版).第26卷第2期2003年4月,Vol.26 No.2 Apr.2003.171~175
[21] (美)J.S.米切尔著;林明邦等译.机器故障的分析与监测[M].北京:机械工业出版社,1990.2
[22]管霖,吴国沛,黄雯莹等.小波变换在电力设备故障诊断中的应用研究[J].中国电机工程学报,2000年第10期第20卷(46~49,54)
[23]曹志彤,何国光,陈宏平等.电机故障特征值的倍频小波分析[J].中国电机工程学报,2003年第7期第23卷(110~114)
[24]胡晓光,戴景民,纪延超.基于小波奇异性检测的高压断路器故障诊断[J].中国电机工程学报,2001年第5期第21卷(67~70)
[25]彭志科,何永勇,卢青.用小波时频分析方法研究发电机碰磨故障特征[J].中国电机工程学报,2003年第5期第23卷(75~79)
[26]赵松年,熊小芸.子波变换与子波分析[M].北京:电子工业出版社,1996
[27]任震,黄雯莹,石志强.小波分析及其在电力系统中的应用[J].电力系统自动化1997,21(3):9~12
[28]胡广书.数字信号处理[M].清华大学出版社,1997
[29] S.Mallat and W.L.Hwang.Singularity detection and processing with wavelet[J].IEEE Transaction on Information Theory,1992,38(2):617~643
[30]朱云芳,戴朝华,陈维荣.小波消噪阈值选取的一种改进方法[J].电测与仪表.Vol.42,No.475 Jul.2005:4~6
[31]王亚,吕新华,王海峰.一种改进的小波阈值降噪方法及Matlab实现[J].微计算机信息,2006(22):259~261
[32]张磊,潘泉,张洪才等.小波域滤波阈值参数c的选取[J].电子学报,2001,29(3):400~402
[33]陈益,李书.改进的小波阈值消噪法应用于超声信号处理[J].北京航空航天大学学报.Vol.32,No.4 Apr.2006:465~ 470
[34]韩璞等.火电厂计算机监控与监测[M].中国水利水电出版社,2005
[35]王小平,曹立明.遗传算法——理论、应用与软件实现[M].西安:西安交通大学出版社,2002
[36] Donoho.D.L.Denoising by soft thresholding[J].IEEE Transaction on information Theory,1995,411(3),613~627
[37] Donoho D.L.Adapting to unknown smoothness via wavelet[J].shrinkage.J Amer starist assoc,1995,90(432),613~627
[38] Grossmann A.Wavelet transform and edge detection[A].Hanzewindkel.M cd.Stochastic processing in physics and engineering.Dodrecht,Reidel,1986,89~96
[39] Pan Q,Zhang L,Dai G.Two denoising method by wavelet transform.IEEE Transaction on Signal Processing[J].1999,47(12),567~589
[40] Nath S.K.Wavelet based compressing and denoising of optical tomography data[J].Optics Communication,1999,(total 167),37~46
[41]胡昌华,张军波等.基于MATLAB的系统分析与设计——小波分析[M].西安电子科技大学出版社,1999
[42]彭玉华,小波变换与工程应用[M],北京:科学出版社,1999
[43]李录平编著,汽轮机组故障诊断技术[M].北京:中国电力出版社,2002
[44]钟秉林,黄仁主编,机械故障诊断学[M].北京:机械工业出版社,1997.12
[45]施维新编著,汽轮发电机组振动及事故[M].北京:中国电力出版社,1998.10
[46]徐敏等编著,设备故障诊断手册——机械设备状态监测和故障诊断[M].西安:西安交通大学出版社,1998.10
[47]何正嘉等.机械设备非平稳信号的故障诊断原理及应用[M].北京:高等教育出版社,2001.11
[48]姚其峰,刘建民,玉立江等.汽轮机转子不平衡的诊断及治理[J].中国修船,2004第4期,18~20
[49]王雪峰,祁智明,焦玲玲.工作转速下转轴碰磨振动的诊断处理[J].山西电力,No.1(Ser.118)Feb,2004,25~27
[50]赵文新.200MW机组通流碰磨的非稳定振动分析与诊断[J].东北电力技术,2003年第3期:1~5
[51]马元奎,陆颂元.机组动静碰磨故障的小波包诊断及贝叶斯判别方法研究[J].动力工程,Vol.21 No.5,Oct.2001:1439~1443
[52]李录平,邹新元等.汽轮发电机组碰磨故障的典型特征研究[J].振动、测试与诊断,Vol.21 No.4,Dec.2001:281~285
[53]李录平,韩西京,韩守木等.从振动频谱中提取旋转机械故障特征的方法[J].汽轮机技术,1998(1):11~14
[54]李录平,邹新元.小波变换在振动故障奇异信号检测中的应用[J].汽轮机技术,2000(1):7~9
[55]黄文虎等.设备故障诊断原理、技术及应用[M],北京:科学出版社,1996.8
[56]孙超,韩捷,关惠玲等.齿式联轴器联接不对中振动机理及特征分析[J].振动、测试与诊断,Vo1.24 NO.3 Sep.2004:229~233
[57]王延博,张学延.大坝电站300MW机组不对中振动故障的诊断处理[J].汽轮机技术,Vo1.46 No.4 Aug.2004:302~304
[58]李慧敏,曾胜,汪希萱.采用电磁辅助支承在线消除转子不对中的试验研究[J].机床与液压,2004,No.12:102~103
[59]陈林华.不对中转子系统振动特征分析与诊断[J].压缩机技术,2003年第6期(总第182期):16~19
[60]缪明华.汽轮发电机组突发性振动分析与故障诊断[J].安徽工业大学学报,2004年21卷2期:116~120
[61]赵道利,梁武科,罗兴锜.水电机组振动信号的子带能量特征提取方法研究[J].水力发电学报,2004年23卷6期:116~119
[62] GU Yanfeng,ZHANGYe,YU Shanshan.A Fast Feature Extraction Method Based on Integer Wavelet Transform for Hyperspectral Images[J].Chinese of Journal Electronics(电子学报:英文版),2004年13卷3期:496~500
[63]焦卫东.基于互信息的小波特征提取方法及其在机械故障诊断中的应用[J].中国机械工程,2004年15卷21期,1946~1949
[64]戴洪海,周建中,付波.水轮机组振动信号中的小波滤波和特征提取[J].华中电力,2004年17卷3期,5~7
[65] Shao Junpeng,Jia Huijuan.FEATURE EXTRACTION OF VIBRATION SIGNALS BASED ON WAVELET PACKET TRANSFORM[J].Chinese Journal of Mechanical Engineering(机械工程学报:英文版),2004年17卷1期:25~27
[66]侯敬宏,黄树红,申弢等.基于小波分析的旋转机械振动信号定量特征研究[J].机械工程学报,2004年40卷1期:131~135
[67]侯军虎,王松岭,安连锁等.电站离心通风机旋转失速的试验研究及特征提取[J].风机技术,2003年卷6期:15~19
[68]彭玉华.小波变换与工程应用[M].科学出版社.2000.6
[69]杨福生.小变换的工程分析与应用[M].北京大学出版.2000.11
[70]张晓丹,赵海,谢元芒.用于水电厂设备的故障诊断的贝叶斯网络模型[J].东北大学学报(自然科学版),2006,27(3):276~279
[71]刘伟娜,霍利民,张立国.贝叶斯网络精确推理算法的研究[J].微计算机信息,2006,22(3):92~94
[72]胡玉胜,涂序彦,崔晓瑜等.基于贝叶斯网络的不确定性知识的推理方法[J].计算机集成制造系统-CIMS,2001,7(12):65~68
[73]李俭川,胡茑庆,秦国军.贝叶斯网络理论及其在设备故障诊断中的应用[J].中国机械工程,2003,14(10):896~900