本文關鍵詞：變速恒頻風力發(fā)電機轉子機械故障模糊診斷方法

  更多相關文章： 發(fā)電機轉子 FSVM PSO 模糊診斷

【摘要】：針對當前方法在診斷變速恒頻風力發(fā)電機轉子機械故障過程中,抗干擾能力差、準確率低的不足,提出一種基于改進支持向量機(FSVM)與粒子群(PSO)加權模糊聚類相結合的轉子機械故障模糊診斷方法。首先提取風力發(fā)電機轉子機械故障的信號特征,對特征奇異點進行模極大值分析;構建FSVM診斷數(shù)學模型,完成信號特征的分類處理;基于PSO方法對分類處理后的特征信號,進行加權模糊聚類和個體尋優(yōu),實現(xiàn)發(fā)電機轉子機械故障的模糊診斷。實驗證明,提出的方法診斷精度高、收斂速度快、具有較高的實用性和可靠性。
【作者單位】： 江蘇省鹽城市教育科學研究院;天津中德應用技術大學電氣與能源學院;
【關鍵詞】： 發(fā)電機轉子 FSVM PSO 模糊診斷
【基金】：天津市自然科學基金項目(15JCZDJC39000) 中職電氣專業(yè)《自動檢測技術》課題教學數(shù)字化資源開發(fā)研究(GYC74)~~
【分類號】：TM315
【正文快照】： 天津300350)FSVM診斷數(shù)學模型,完成信號特征的分類處理;基于PSO方法對分類處理后的特征信號,進行加權模糊聚類和個體尋優(yōu),實現(xiàn)發(fā)電機轉子機械故障的模糊診斷。實驗證明,提出的方法診斷精度高、收斂速度快、具有較高的實用性和可靠性。風能[1]是一種清潔、可再生能源,取之不盡，

本文編號：711277