位置:成果数据库 > 期刊 > 期刊详情页
基于小波包分析和支持向量机的异步电机转子断条故障诊断
  • ISSN号:1004-7018
  • 期刊名称:《微特电机》
  • 时间:0
  • 分类:TM343[电气工程—电机]
  • 作者机构:[1]长沙理工大学,湖南长沙410076, [2]湖南大学,湖南长沙410082
  • 相关基金:国家杰出青年科学基金(50925727)湖南省长沙市科技计划项目(K09050156-11)
中文摘要:

提出了一种基于小波包分析(WPA)和支持向量机(SVM)的异步电机转子断条故障诊断方法。针对异步电机转子断条故障时定子电流出现的边频分量(1+2s)f进行小波包分析,提取动态条件下各频带能量作为故障特征向量,削弱了负载变化及噪声对诊断准确性的影响。采用多个最小二乘支持向量机组成故障分类器,兼顾了训练误差和计算效率,将故障特征向量输入支持向量机进行训练,从而实现在小样本情况下转子断条故障的在线识别。试验结果表明:基于小波包分析提取的故障特征明显,由WPA和SVM构成的诊断系统,具有良好的分类能力和泛化能力,有效提高了异步电机转子断条故障在线诊断的准确率。

英文摘要:

A fault diagnosis method was presented for motor rotor broken bar fault based on wavelet packet analysis (WPS) and support vector machine (SVM). The sideband frequency (1 +2s )f current reflecting the broken bar fault was analyzed with the technology of wavelet packet decomposition. The frequency segment power under operating states was abstracted as fault characteristic vectors which weakened the influences of variable load and noise. In order to diagnose the rotor broken bar fault under small samples, the fault elassifiier was composed by the least square SVMs trained by the fault characteristic vectors. And it also took the training errors and the calculating efficiency into consideration. Experimental results show that the fault characteristic vectors abstracted by WPA are evident. This method has good classification and generalization abilities, and improves the accuracy of detection for rotor broken bar fault in induction machines.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《微特电机》
  • 中国科技核心期刊
  • 主管单位:中国电子科技集团公司
  • 主办单位:中国电子科技集团公司第二十一研究所
  • 主编:谢宇静
  • 地址:上海市徐汇区虹漕路30号
  • 邮编:200233
  • 邮箱:wtdj@vip.163.com
  • 电话:021-64367300-242 64704564
  • 国际标准刊号:ISSN:1004-7018
  • 国内统一刊号:ISSN:31-1428/TM
  • 邮发代号:4-270
  • 获奖情况:
  • 全国优秀期刊,中文核心期刊,中国科技论文统计源期刊,中国期刊方阵“双百”期刊
  • 国内外数据库收录:
  • 美国剑桥科学文摘,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:6135