电机与控制学报
電機與控製學報
전궤여공제학보
ECTRIC MACHINES AND CONTROL
2013年
2期
48-54
,共7页
王攀攀%史丽萍%苗长新%韩丽
王攀攀%史麗萍%苗長新%韓麗
왕반반%사려평%묘장신%한려
感应电机%定子故障%骨干微粒群算法%小波包%支持向量机%故障诊断
感應電機%定子故障%骨榦微粒群算法%小波包%支持嚮量機%故障診斷
감응전궤%정자고장%골간미립군산법%소파포%지지향량궤%고장진단
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.
為瞭實現感應電機定子匝間短路故障的準確識彆,提齣一種基于骨榦微粒群算法和支持嚮量機(support vector machine,SVM)的故障診斷方法.根據故障電流信號的特點,提齣一種基于骨榦微粒群算法的基波濾除方法,用以消除基波分量對故障特徵提取的影響.然後利用小波包頻帶能量分解技術,將殘餘電流信號的故障特徵諧波分解到不同頻帶,形成感應電機運行狀態的特徵嚮量,併以此作為SVM的輸入嚮量.採用SVM進行分類,併利用骨榦微粒群算法和交扠檢驗優化模型參數,避免參數選擇的盲目性.實驗結果錶明,該方法不但可以有效濾除基波分量,突齣故障特徵,而且能夠在小樣本情況下準確辨識感應電機定子匝間短路故障.
위료실현감응전궤정자잡간단로고장적준학식별,제출일충기우골간미립군산법화지지향량궤(support vector machine,SVM)적고장진단방법.근거고장전류신호적특점,제출일충기우골간미립군산법적기파려제방법,용이소제기파분량대고장특정제취적영향.연후이용소파포빈대능량분해기술,장잔여전류신호적고장특정해파분해도불동빈대,형성감응전궤운행상태적특정향량,병이차작위SVM적수입향량.채용SVM진행분류,병이용골간미립군산법화교차검험우화모형삼수,피면삼수선택적맹목성.실험결과표명,해방법불단가이유효려제기파분량,돌출고장특정,이차능구재소양본정황하준학변식감응전궤정자잡간단로고장.