论文部分内容阅读
提出了一种新的发电机转子故障检测的信号分类方法Hilbert时频谱，它是一种新的分析非平稳、非线性的时频分析方法。这种方法用经验模式分解法将-维信号分解成内蕴模式函数，进而计算有意义的多分量信号的瞬时频率将其应用于故障信号的分析，可以提供新的时频属性；然后计算这种时频谱的矩和边缘以及时频熵，并将其作为特征向量。应用RBF概率神经网络作为分类器，可以实现不同故障模式的自动分类。对发电机的不同转子故障模式的信号研究表明了该方法的精确性和稳定性。