基于小波神经网络与KNN机器学习算法的六相永磁同步电机故障态势感知方法

被引：38

作者：

张昊宇 ^{[1
]}

姚钢 ^{[1
]}

殷志柱 ^{[2
]}

周荔丹 ^{[1
]}

机构：

[1] 上海交通大学电力传输与功率变换控制教育部重点实验室

[2] 上海电气集团中央研究院

来源：

电测与仪表 | 2019年 / 02期

关键词：

永磁同步电机; 神经网络; 机器学习; 小波包分解; 故障态势感知;

D O I：

暂无

中图分类号：

TM341 [同步电机]; TP18 [人工智能理论];

学科分类号：

080802 [电力系统及其自动化]; 140502 [人工智能];

摘要：

为了避免六相永磁同步电机在运行过程中因缺相引发更严重的电机故障和系统崩坏,需对电机在故障发生前进行提前预测判断和在故障发生后进行故障类型识别。根据故障下定子磁动势不变原理,推导Y移30°中性点隔离型六相永磁同步电机在各缺相故障下的数学模型。通过小波包分析方法提取故障工况下的特征值,构建小波神经网络模型对故障发生进行预测判断,避免系统误触发;构建KNN机器学习系统,对故障类型进行快速识别,以实现对故障态势的感知。利用MATLAB软件和Python的Scikit-Learn机器学习库进行仿真实验,对比验证该方法在六相永磁同步电机故障态势感知中可靠有效。

引用

页码：1 / 9

页数：9

共 14 条

[1]

基于多重分形谱和支持向量机的风电机组行星齿轮箱故障诊断与研究 [J].