基于最小二乘支持矢量机的异步电机转子故障诊断研究

被引:17
作者
方瑞明 [1 ]
马宏忠 [2 ]
机构
[1] 华侨大学电气工程系
[2] 河海大学电气工程学院
关键词
最小二乘支持矢量机; 异步电机; 转子故障诊断; 分类;
D O I
10.19595/j.cnki.1000-6753.tces.2006.05.017
中图分类号
TM343 [异步电机];
学科分类号
摘要
提出了一种采用最小二乘支持矢量机构造异步电机转子多故障分类模型的方法。首先通过对采样的定子电流进行快速傅里叶变换,所得频谱经一致化处理后作为支持矢量机的输入参数,然后利用1对1策略构造了转子多故障分类器,经训练后可以对四种不同转子故障进行识别。文中还分析了惩罚因子、核函数和子分类器输出融合策略对分类准确性的影响,指出高斯径向基函数和混合矩阵融合策略可以提高诊断精度。实验结果表明,该模型具有很好的分类精度和泛化能力。
引用
收藏
页码:92 / 98+103 +103
页数:8
相关论文
共 8 条
[1]   基于电磁转矩复解析小波变换的感应电机转子故障检测 [J].
牛发亮 ;
黄进 .
电工技术学报, 2005, (07) :100-105
[2]   利用失电残余电压诊断异步电机转子绕组故障 [J].
马宏忠 ;
李训铭 ;
方瑞明 ;
黄允凯 ;
胡虔生 .
中国电机工程学报, 2004, (07) :187-191
[3]   基于小波和神经网络的异步电机转子故障诊断方法研究 [J].
侯新国 ;
夏立 ;
吴正国 ;
赵永玲 .
数据采集与处理, 2004, (01) :32-36
[4]   基于瞬时功率信号频谱分析的鼠笼式异步电动机转子故障在线诊断方法 [J].
刘振兴 ;
尹项根 ;
张哲 ;
刘惠康 .
中国电机工程学报, 2003, (10) :148-152
[5]   基于支持向量机及油中溶解气体分析的大型电力变压器故障诊断模型研究 [J].
董明 ;
孟源源 ;
徐长响 ;
严璋 .
中国电机工程学报, 2003, (07) :88-92
[6]   支持向量机和最小二乘支持向量机的比较及应用研究 [J].
阎威武 ;
邵惠鹤 .
控制与决策, 2003, (03) :358-360
[7]   大型汽轮发电机组混合智能诊断方法的研究 [J].
蒋东翔 ;
倪维斗 .
清华大学学报(自然科学版), 1999, (03) :76-79
[8]  
(美)VladimirN.Vapnik著,张学工译.统计学习理论的本质[M].北京:清华大学出版社,2000