本文選題：感應(yīng)電機(jī) + 轉(zhuǎn)子斷條��； 參考：《電工技術(shù)學(xué)報(bào)》2014年01期

【摘要】：為了準(zhǔn)確識(shí)別感應(yīng)電機(jī)轉(zhuǎn)子斷條故障,本文提出一種基于骨干微粒群算法和支持向量機(jī)的故障診斷新方法,并給出了可行的診斷步驟和分析。首先根據(jù)故障電流信號(hào)的特點(diǎn),提出一種基于骨干微粒群算法的基波濾除方法,用以消除基波分量對(duì)故障特征的影響。然后利用小波包頻帶能量分解技術(shù),將殘余電流信號(hào)分解到不同頻帶,形成感應(yīng)電機(jī)運(yùn)行狀態(tài)的特征向量,并以此作為支持向量機(jī)的輸入向量。采用"一對(duì)一"向量機(jī)進(jìn)行分類,并利用骨干微粒群算法和交叉檢驗(yàn)優(yōu)化支持向量機(jī)模型參數(shù)。最后實(shí)驗(yàn)結(jié)果表明,該方法診斷感應(yīng)電機(jī)轉(zhuǎn)子斷條故障能取得良好的效果。
[Abstract]:A new fault diagnosis method based on backbone particle swarm optimization and support vector machine is proposed in this paper to accurately identify rotor bar broken faults of induction motor. The feasible diagnostic steps and analysis are also given. According to the characteristics of fault current signal, a fundamental filtering method based on backbone particle swarm optimization algorithm is proposed to eliminate the influence of fundamental wave component on fault characteristics. Then the residual current signal is decomposed into different frequency bands by using the wavelet packet energy decomposition technique to form the eigenvector of the operating state of the induction motor and it is used as the input vector of the support vector machine. The "one to one" vector machine is used to classify, and the parameters of the support vector machine model are optimized by using the backbone particle swarm optimization algorithm and crossover test. Finally, the experimental results show that the method can achieve good results in diagnosing rotor bar breakage of induction motor.
【作者單位】： 中國(guó)礦業(yè)大學(xué)信息與電氣工程學(xué)院;
【基金】：教育部科學(xué)技術(shù)研究重大資助項(xiàng)目(311021)
【分類號(hào)】：TM307.1

【參考文獻(xiàn)】

相關(guān)期刊論文 前9條

1 陳昌松;段善旭;蔡濤;代倩;;基于模糊識(shí)別的光伏發(fā)電短期預(yù)測(cè)系統(tǒng)[J];電工技術(shù)學(xué)報(bào);2011年07期

2 管春;周雒維;盧偉國(guó);;基于多標(biāo)簽RBF神經(jīng)網(wǎng)絡(luò)的電能質(zhì)量復(fù)合擾動(dòng)分類方法[J];電工技術(shù)學(xué)報(bào);2011年08期

3 黃南天;徐殿國(guó);劉曉勝;;基于S變換與SVM的電能質(zhì)量復(fù)合擾動(dòng)識(shí)別[J];電工技術(shù)學(xué)報(bào);2011年10期

4 馬宏忠;姚華陽(yáng);黎華敏;;基于Hilbert模量頻譜分析的異步電機(jī)轉(zhuǎn)子斷條故障研究[J];電機(jī)與控制學(xué)報(bào);2009年03期

5 韓天;尹忠俊;楊邵偉;;電機(jī)轉(zhuǎn)子斷條故障診斷方法探討[J];電力系統(tǒng)及其自動(dòng)化學(xué)報(bào);2009年01期

6 楊俊燕,張優(yōu)云,趙榮珍;支持向量機(jī)在機(jī)械設(shè)備振動(dòng)信號(hào)趨勢(shì)預(yù)測(cè)中的應(yīng)用[J];西安交通大學(xué)學(xué)報(bào);2005年09期

7 許伯強(qiáng),李和明,孫麗玲,陳志業(yè);小波分析應(yīng)用于籠型異步電動(dòng)機(jī)轉(zhuǎn)子斷條在線檢測(cè)初探[J];中國(guó)電機(jī)工程學(xué)報(bào);2001年11期

8 劉振興,尹項(xiàng)根,張哲,劉惠康;基于瞬時(shí)功率信號(hào)頻譜分析的鼠籠式異步電動(dòng)機(jī)轉(zhuǎn)子故障在線診斷方法[J];中國(guó)電機(jī)工程學(xué)報(bào);2003年10期

9 黃進(jìn);牛發(fā)亮;楊家強(qiáng);;基于雙PQ變換的感應(yīng)電機(jī)轉(zhuǎn)子故障診斷[J];中國(guó)電機(jī)工程學(xué)報(bào);2006年13期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李冬;王璐;康文崢;;基于SVM的作戰(zhàn)效能靈敏度分析[J];兵工自動(dòng)化;2011年01期

2 方瑞明;馬宏忠;;基于最小二乘支持矢量機(jī)的異步電機(jī)轉(zhuǎn)子故障診斷研究[J];電工技術(shù)學(xué)報(bào);2006年05期

3 方芳;楊士元;侯新國(guó);吳正國(guó);;Zoom-Prony方法及其在轉(zhuǎn)子斷條故障嚴(yán)重程度定量估算中的應(yīng)用[J];電工技術(shù)學(xué)報(bào);2009年10期

4 張建文;王春生;張強(qiáng);朱寧輝;姚奇;;異步電動(dòng)機(jī)信息融合故障診斷模型[J];電氣應(yīng)用;2006年09期

5 楊利軍,趙敏,劉振興;嵌入式系統(tǒng)在異步電動(dòng)機(jī)故障診斷中的應(yīng)用[J];電子工業(yè)專用設(shè)備;2005年08期

6 付大金,王秀和,張榮,楊玉波;感應(yīng)電動(dòng)機(jī)故障診斷技術(shù)綜述[J];大電機(jī)技術(shù);2004年03期

7 張雄希;李保國(guó);;小波與倒頻譜分析法在異步電機(jī)故障診斷中的應(yīng)用[J];大電機(jī)技術(shù);2010年05期

8 董濤;程培源;樊波;孟飛翔;;基于單相功率頻譜分析的感應(yīng)電機(jī)故障診斷[J];大電機(jī)技術(shù);2011年02期

9 孟飛翔;程培源;楊旭峰;張興;;鼠籠式異步電動(dòng)機(jī)轉(zhuǎn)子斷條數(shù)目判據(jù)研究[J];大電機(jī)技術(shù);2011年03期

10 陽(yáng)桂蓉;王冰峰;;異步電機(jī)運(yùn)行過(guò)程中轉(zhuǎn)子故障診斷綜述[J];大電機(jī)技術(shù);2011年04期

相關(guān)會(huì)議論文 前5條

1 羅銘;劉振興;周恒;張雪;高放英;;變頻電源籠型異步電機(jī)斷條故障診斷仿真研究[A];第二十七屆中國(guó)控制會(huì)議論文集[C];2008年

2 馬征賓;張建文;徐善琛;;電流分析法檢測(cè)斷條故障的對(duì)比研究[A];第十七屆全國(guó)煤礦自動(dòng)化學(xué)術(shù)年會(huì)、中國(guó)煤炭學(xué)會(huì)自動(dòng)化專業(yè)委員會(huì)學(xué)術(shù)會(huì)議論文集[C];2007年

3 陳鐵;張來(lái)斌;王朝暉;段禮祥;陳曦;;往復(fù)機(jī)械狀態(tài)趨勢(shì)預(yù)測(cè)方法與展望[A];第六屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集（2）[C];2008年

4 羌予踐;堵俊;華亮;時(shí)維俊;;基于虛擬儀器的風(fēng)電機(jī)組狀態(tài)監(jiān)測(cè)與故障診斷平臺(tái)設(shè)計(jì)[A];2010電工測(cè)試技術(shù)學(xué)術(shù)交流會(huì)論文集[C];2010年

5 滿蔚仕;張志禹;郗壘;;基于快速S變換的電能質(zhì)量主成分分析方法[A];分布式發(fā)電、智能微電網(wǎng)與電能質(zhì)量——第三屆全國(guó)電能質(zhì)量學(xué)術(shù)會(huì)議暨電能質(zhì)量行業(yè)發(fā)展論壇論文集[C];2013年

相關(guān)博士學(xué)位論文 前10條

1 彭穎;基于退化隱式半馬爾科夫模型的設(shè)備健康預(yù)測(cè)及系統(tǒng)性維護(hù)策略研究[D];上海交通大學(xué);2011年

2 王常青;數(shù)字圖像處理與分析及其在故障診斷中的應(yīng)用研究[D];華中科技大學(xué);2012年

3 黃漢奇;風(fēng)力發(fā)電與光伏發(fā)電系統(tǒng)小干擾穩(wěn)定研究[D];華中科技大學(xué);2012年

4 魏云冰;小波變換在電機(jī)故障診斷與測(cè)試中的應(yīng)用研究[D];浙江大學(xué);2002年

5 劉振興;電機(jī)故障在線監(jiān)測(cè)診斷新原理和新技術(shù)研究[D];華中科技大學(xué);2004年

6 張征平;異步電動(dòng)機(jī)早期故障檢測(cè)的小波分析方法研究[D];華南理工大學(xué);2002年

7 田慕琴;基于模型的異步電動(dòng)機(jī)早期故障智能診斷[D];太原理工大學(xué);2006年

8 潘明清;基于支持向量機(jī)的機(jī)械故障模式分類研究[D];浙江大學(xué);2005年

9 劉p，

本文編號(hào)：2046474