测控技术
測控技術
측공기술
MEASUREMENT & CONTROL TECHNOLOGY
2015年
8期
12-15
,共4页
极限学习机%陷波处理%故障诊断%小波包能量谱
極限學習機%陷波處理%故障診斷%小波包能量譜
겁한학습궤%함파처리%고장진단%소파포능량보
extreme learning machine%wave-trapping%fault diagnosis%wavelet packets energy spectrum
针对传统的电机故障诊断方法往往采用单一信号作为诊断依据,以及利用传统的BP神经网络进行故障诊断时存在的训练速度慢、易陷入局部极小值的缺点,提出了一种基于极限学习机和多源信息融合的电机故障诊断方法.首先将定子电流信号做陷波处理,滤除基波分量;然后对电流及振动信号进行小波包分解和重构,以各频带的小波包能量谱作为故障特征向量训练极限学习机模型;最后将训练好的极限学习机模型作为诊断决策分类器来判断电机的运行状态.实验结果表明,此方法能够准确地诊断电机的故障类型,具有运行速度快、故障诊断准确率高的特点,满足了系统在线实时诊断的要求.
針對傳統的電機故障診斷方法往往採用單一信號作為診斷依據,以及利用傳統的BP神經網絡進行故障診斷時存在的訓練速度慢、易陷入跼部極小值的缺點,提齣瞭一種基于極限學習機和多源信息融閤的電機故障診斷方法.首先將定子電流信號做陷波處理,濾除基波分量;然後對電流及振動信號進行小波包分解和重構,以各頻帶的小波包能量譜作為故障特徵嚮量訓練極限學習機模型;最後將訓練好的極限學習機模型作為診斷決策分類器來判斷電機的運行狀態.實驗結果錶明,此方法能夠準確地診斷電機的故障類型,具有運行速度快、故障診斷準確率高的特點,滿足瞭繫統在線實時診斷的要求.
침대전통적전궤고장진단방법왕왕채용단일신호작위진단의거,이급이용전통적BP신경망락진행고장진단시존재적훈련속도만、역함입국부겁소치적결점,제출료일충기우겁한학습궤화다원신식융합적전궤고장진단방법.수선장정자전류신호주함파처리,려제기파분량;연후대전류급진동신호진행소파포분해화중구,이각빈대적소파포능량보작위고장특정향량훈련겁한학습궤모형;최후장훈련호적겁한학습궤모형작위진단결책분류기래판단전궤적운행상태.실험결과표명,차방법능구준학지진단전궤적고장류형,구유운행속도쾌、고장진단준학솔고적특점,만족료계통재선실시진단적요구.
