CAJ | 학술논문

为了实现感应电机定子匝间短路故障的准确识别,提出一种基于骨干微粒群算法和支持向量机(support vector machine,SVM)的故障诊断方法.根据故障电流信号的特点,提出一种基于骨干微粒群算法的基波滤除方法,用以消除基波分量对故障特征提取的影响.然后利用小波包频带能量分解技术,将残余电流信号的故障特征谐波分解到不同频带,形成感应电机运行状态的特征向量,并以此作为SVM的输入向量.采用SVM进行分类,并利用骨干微粒群算法和交叉检验优化模型参数,避免参数选择的盲目性.实验结果表明,该方法不但可以有效滤除基波分量,突出故障特征,而且能够在小样本情况下准确辨识感应电机定子匝间短路故障.
위료실현감응전궤정자잡간단로고장적준학식별,제출일충기우골간미립군산법화지지향량궤(support vector machine,SVM)적고장진단방법.근거고장전류신호적특점,제출일충기우골간미립군산법적기파려제방법,용이소제기파분량대고장특정제취적영향.연후이용소파포빈대능량분해기술,장잔여전류신호적고장특정해파분해도불동빈대,형성감응전궤운행상태적특정향량,병이차작위SVM적수입향량.채용SVM진행분류,병이용골간미립군산법화교차검험우화모형삼수,피면삼수선택적맹목성.실험결과표명,해방법불단가이유효려제기파분량,돌출고장특정,이차능구재소양본정황하준학변식감응전궤정자잡간단로고장.