期刊检索

  • 2024年第56卷
  • 2023年第55卷
  • 2022年第54卷
  • 2021年第53卷
  • 2020年第52卷
  • 2019年第51卷
  • 2018年第50卷
  • 2017年第49卷
  • 2016年第48卷
  • 2015年第47卷
  • 2014年第46卷
  • 2013年第45卷
  • 2012年第44卷
  • 2011年第43卷
  • 2010年第42卷
  • 第1期
  • 第2期

主管单位 中华人民共和国
工业和信息化部
主办单位 哈尔滨工业大学 主编 李隆球 国际刊号ISSN 0367-6234 国内刊号CN 23-1235/T

期刊网站二维码
微信公众号二维码
引用本文:郭清,夏虹,韩文伟.应用DSmT的堆芯吊篮故障信号小波包分析[J].哈尔滨工业大学学报,2015,47(10):113.DOI:10.11918/j.issn.0367-6234.2015.10.022
GUO Qing,XIA Hong,HAN Wenwei.Wavelet packet analysis of fault signal for core hanging basket using DSmT[J].Journal of Harbin Institute of Technology,2015,47(10):113.DOI:10.11918/j.issn.0367-6234.2015.10.022
【打印本页】   【HTML】   【下载PDF全文】   查看/发表评论  下载PDF阅读器  关闭
过刊浏览    高级检索
本文已被:浏览 2221次   下载 937 本文二维码信息
码上扫一扫!
分享到: 微信 更多
应用DSmT的堆芯吊篮故障信号小波包分析
郭清1,2,夏虹2,韩文伟2
(1.哈尔滨工程大学 工程训练中心,150001 哈尔滨; 2. 核安全与仿真技术国防重点学科实验室(哈尔滨工程大学),150001 哈尔滨)
摘要:
为解决反应堆堆芯吊篮故障信息难以获取问题,提出一种采用DSmT &小波包能量分析的故障特征决策提取融合方法.研究分析了堆芯吊篮在吊篮破裂、吊篮紧固件部分脱落和堆芯支撑下板与吊篮热处理变形3种故障工况的振动信号,采用小波包变换提取故障信号频段能量,将含有故障信息的采集数据经小波包能量分析后直接赋值给DSmT信度函数.实验结果表明,小波包能量分析DSmT融合方法的诊断准确率优于小波包子带能量特征向量图方法,DSmT融合算法能够有效辨识吊篮故障模式,具有较高的诊断效率及可靠性.
关键词:  故障信号  吊篮故障  小波包分析  故障特征
DOI:10.11918/j.issn.0367-6234.2015.10.022
分类号:TP18
基金项目:国家自然科学基金 (51379046).
Wavelet packet analysis of fault signal for core hanging basket using DSmT
GUO Qing1,2,XIA Hong2,HAN Wenwei2
(1.Engineering Training Center,Harbin Engineering University,150001 Harbin, China; 2. National Defense Key Subject Laboratory for Nuclear Safety and Simulation Technology(Harbin Engineering University), 150001 Harbin, China)
Abstract:
This paper proposes a DSmT & wavelet packet energy analysis fusion method for the problem of reactor core hanging basket fault information. Three kinds of vibration signals in fault conditions from fastener bursting, fastener parts falling off and heat treatment deformation are analyzed and investigated. Then the extracted fault signal frequency band energy based method is directly used and assigned the collected data to DSmT reliability function. The experimental results show that diagnostic accuracy of DSmT is superior to sub-band energy vector graphics, and DSmT can effectively identify hanging basket failure mode with high diagnostic efficiency and reliability.
Key words:  fault signal  hanging basket fault  wavelet packet analysis  fault feature

友情链接LINKS