基于骨干微粒群算法和支持向量机的电机转子断条故障诊断

为了准确识别感应电机转子断条故障,本文提出一种基于骨干微粒群算法和支持向量机的故障诊断新方法,并给出了可行的诊断步骤和分析。首先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,并以此作为支持向量机的输入向量。采用"一对一"向量机进行分类,并利用骨干微粒群算法和交叉检验优化支持向量机模型参数。最后实验结果表明,该方法诊断感应电机转子断条故障能取得良好的效果。     

水电机组中改进支持向量机算法的故障检测应用研究

水电机组故障数据通常为小样本的精密数据,而传统的支持向量机故障检测方法通常对大数量样本进行分类分析才有效,对小数据故障样本的分析存在局限性。对支持向量机方法进行了改进,提出最小二乘支持向量机方法并应用到水电机组故障检测中,对改进过程进行了详细的介绍,塑造故障检测多元分类模型,实现水电机组故障的准确检测。实验对采集的13个水电机组故障样本类型进行仿真分析,结果说明,优化支持向量机具有较高的小样本数据学习和预测性能,将其用于水电机组故障检测是有效、可行的。     

采用BBPSO优化SVM的电机定子故障诊断

为了准确识别感应电机定子匝间短路故障,该文提出一种基于骨干微粒群算法优化支持向量机的故障诊断方法,并给出了可行的诊断步骤。该方法首先利用小波包频带能量分解技术,将定子电流信号的各频率分量分解到不同频带,形成感应电机运行状态的特征向量,并以此作为支持向量机的输入向量。采用支持向量机进行分类,并利用无需设置控制参数的骨干微粒群算法和交叉检验优化模型参数,避免了参数选择的盲目性。最后试验结果表明,该方法诊断感应电机定子匝间短路故障能取得良好的效果。     

纯电动车用驱动电机滚动轴承状态监测方法

驱动电机轴承健康状态是实现纯电动车可靠运行,避免发生安全事故的重要前提,针对纯电动车电机滚动轴承状态监测方法缺失的问题,提出一种基于稀疏自编码器(sparse auto-encoder,SAE)与支持向量机(support vector machine,SVM)的纯电动车用电机滚动轴承状态监测方法.在特征提取方面,利用...     

核主成分分析和粒子群优化支持向量机在电力机车笼型异步牵引电机故障诊断中的应用研究

提出了一种采用核主成分分析和粒子群优化支持向量机的电力机车笼型异步牵引电机故障诊断方法。先利用核主成分分析对故障数据进行特征提取,以获得的故障特征子集作为支持向量机故障分类器的训练样本,然后设计和构建了支持向量机多故障诊断系统。其中,支持向量机的参数通过粒子群优化算法进行了优化,最后实现对笼型异步牵引电机的故障诊断。实验结果分析表明,该方法能够有效地应用于电力机车笼型异步牵引电机的故障诊断。     

基于最小二乘支持向量机的电机故障鉴别

针对异步电机的构造与转子故障特征,基于统计学习理论提出了信号处理技术与支持向量机故障诊断相结合的方法,以鼠笼式异步电动机为研究对象,建立了电机转子故障实验系统,并采集了电机故障信号,使用最小二乘支持向量机(LS-SVM)进行故障分类。其次针对鼠笼式电机转子多故障分类问题,提出了小波包分析两种不同故障信号预处理方法,将采集的电机机壳振动信号分别进行分析,提取了故障特征向量,并结合LS-SVM分类功能,实现对电机转子不同故障的有效分类。实验结果表明,小波分析与LS-SVM结合的方法具有很好的分类精度。     

基于Krawtchouk矩和支持向量机的火焰状态识别

监测炉膛火焰燃烧状态对防止锅炉爆管起着重要作用。为了进一步提高火焰图像特征提取的准确度和燃烧状态的识别率,文中将Krawtchouk矩引入火焰特征提取,提出了一种将Krawtchouk矩不变量与小波支持向量机相结合的火焰燃烧状态识别方法。首先计算火焰图像的Krawtchouk矩及Krawtchouk矩不变量,以此构造火焰图像的特征向量;然后根据训练样本的特征向量构造支持向量机,对火焰图像进行状态识别,并采用混沌小生境粒子群算法优化支持向量机中的核函数参数与惩罚因子,使其识别性能最优。大量实验结果表明:与基于Hu矩和支持向量机的方法、基于Zernike矩和支持向量机的方法相比,采用Krawtchouk矩不变量作为火焰图像的特征能更好地对火焰图像燃烧状态进行识别,识别率大大提高,且结果与实际情况相符。     

核主成分分析和粒子群优化算法在牵引电机故障诊断中的应用研究

提出了一种采用核主成分分析和粒子群优化支持向量机的电力机车笼型异步牵引电机故障诊断方法。先利用核主成分分析对故障数据进行特征提取,以获得的故障特征子集作为支持向量机故障分类器的训练样本,然后设计和构建了支持向量机多故障诊断系统,其中,支持向量机的参数通过粒子群优化算法进行了优化,最后实现对笼型异步牵引电机的故障诊断。该方法既发挥了核主成分分析的特征提取能力,又充分利用了支持向量机良好的分类性能和泛化推广能力以及因其算法简单而满足的在线故障诊断的实时性要求。实验结果分析表明,该方法能够有效地应用于电力机车笼型异步牵引电机的故障诊断。     

基于自适应变异微粒群优化SVM的电机轴承故障诊断方法

电机轴承作为电机的重要机械部件,其故障对电机的安全运行有着严重的影响,针对轴承故障此类问题,提出了自适应变异微粒群优化SVM的电机轴承故障诊断的方法。该方法先用小波包的频带能量分解技术将电机振动信号分解到各个频带,由各个频带能量组成了电机运行状态的特征向量,并以此作为支持向量机的输入向量,最后运用自适应变异微粒群算法优化后的SVM,组成电机轴承状态"决策树",并对电机状态进行分类,分类结果和用试凑法的SVM作对比。最终结果证明了该的方法对感应电机的轴承故障的检测和分类具有良好成效。     

基于机电信号融合的电励磁双凸极电机绕组匝间短路故障诊断

定子绕组匝间短路是电励磁双凸极电机常见的故障,当匝间短路故障匝数较少时,对电机磁场的影响较小,使得难以通过单一故障特征精确地识别故障。该文通过分析该电机的本体结构和故障特征的提取机理,提出了一种基于振动和相电流信号的多源机电信号融合的电励磁双凸极电机短路故障综合诊断方法——基于多分类支持向量机及改进卷积神经网络的信号融合故障诊断。该文首先根据电励磁双凸极的结构特点研究了短路故障发生时特征信号的变化情况及提取机理;其次根据理论分析结果提出了一种自寻优卷积神经网络结合支持向量机的多源信号融合的故障诊断方法,该方法首先分别利用两种算法计算两个单信号特征下的故障诊断概率,再利用DS证据理论,得出融合后的诊断结果;最后通过实验表明,该文所提出的诊断方法可以更有效地识别电机不同的短路故障,降低了误判率,解决了单一信号源诊断方法精度较低的问题,具有良好的可靠性和互补性。     

一种用于电力变压器故障识别的理论方法研究

支持向量机方法基于小样本的统计学习理论,其本质上是个优化和分类问题。设计了一种使用遗传算法优化多分类支持向量机参数,并将参数优化后的多分类支持向量机用于电力变压器故障识别的方法。该方法对色谱分析法检测到的特征气体含量进行数值预处理,提取出故障识别所需要的n+1个特征量,然后利用数值预处理后得到的数据样本对多分类支持向量机进行训练和识别,通过输出结果判断变压器所处的状态,以达到设备状态监测的目的。     

基于电流时频特征的不对中故障诊断研究

电动机电流信号分析广泛应用于电机本身的监测和故障诊断,但该技术与转动系统的研究却比较少。针对转子系统的轴系不对中故障,提出了基于经验模态分解(EMD)和遗传算法支持向量机(GA-SVM)的不对中故障诊断方法。首先通过EMD方法将电流信号分解成若干个本征模函数(IMF);然后计算各IMF分量的能量特征和峭度值;最后从包含有故障信息的IMF分量的能量特征和峭度值作为输入建立支持向量机(SVM)判断轴系故障类型。实验表明,该方法可以有效地实现对于转子系统不对中故障类型和故障程度的诊断,且相对于只依靠能量特征的诊断方法,该方法对于不对中故障的诊断正确率有了明显的提高。     

开关磁阻电机位置传感器机械偏移故障诊断和容错控制

针对开关磁阻电机位置传感器机械偏移故障,对机械偏移角度对各相续流时间的影响进行了理论分析,并基于各相续流时间提出了相对偏移度来表征其影响程度。借助于支持向量机在分类及回归问题上的应用能力进行机械偏移的故障诊断及容错控制。搭建了基于支持向量机的开关磁阻电机位置传感器偏移故障故障诊断与容错控制仿真模型,验证了所提方法的有效性。实验结果表明,该方案可以很好的实现位置传感器机械偏移故障的诊断,定位故障传感器并进行在线补偿,增强了系统稳定性和可靠性。     

基于支持向量机的逆变电源故障诊断

针对基于支持向量机的逆变电源故障诊断进行了研究。使用自行设计的变频电源模拟逆变器各种故障状态,分别采集了常态和各种故障状态下的电压信号,并进行波形和谐波分析。并在MATLAB中搭建了逆变电源的仿真电路用来验证实际电路实验。在电压波形和谐波分析的基础上,研究一种根据电压波形特征进行逆变电源故障诊断的方法,即采用支持向量机分类的方法对逆变器的故障状态进行分类。仿真实验和真实试验验证了基于支持向量机的逆变器故障诊断方法的有效性。     

基于SOLPP维数约简的电机轴承故障特征提取

为提高电机轴承故障诊断的准确性,提出了基于监督正交局部保持映射(SOLPP)的电机轴承故障特征提取方法。该方法首先从多个角度构建出高维多域的混合故障特征集;然后利用监督正交局部保持映射对高维特征集进行约简,以获得对轴承故障状态敏感度高且聚类性好的低维特征;最后采用支持向量机(SVM)进行故障识别,评估特征提取的效果。电机轴承不同类型和不同程度故障诊断实验结果表明,提取的轴承故障特征可以表征轴承故障状态,验证了该方法的有效性。     

基于支持向量机的电机故障诊断方法综述

基于统计学理论的支持向量机因其具有良好的学习性能和泛化能力,而被国内外学者广泛地应用于电机故障诊断领域。对现有应用于电机故障诊断的各种支持向量机模型的特点进行了系统的分析,包括标准型支持向量机、最小二乘支持向量机以及和其相关的混合模型,并对未来电机故障诊断方法的研究发展方向进行了总结和探讨。     

基于LS-SVM的列车牵引电机电流实时估计

为满足列车牵引传动系统在牵引电机状态监测、异常诊断与预测等领域对牵引电机定子电流准确估计的需求,提出了一种基于多工况最小二乘支持向量机（LS-SVM）模型的牵引电机电流实时估计方法。该方法结合牵引电机参数和转矩转速试验测量数据,利用牵引电机机理模型计算得到定子电流估计值;然后根据列车运行规律将其分为多个运行工况,基于历史运行数据的相关变量建立各工况下定子电流的LS-SVM估计模型并研究列车不同运行工况对模型精度的影响,基于多工况模型实现牵引电机全工况下电流的实时有效估计。通过实际运行数据验证了所提方法的有效性和可行性。     

基于改进灰狼算法与最小二乘支持向量机耦合的电力变压器故障诊断方法

电力变压器运行故障的准确诊断有利于提高变电设备状态检修和电网安全运行水平，为实现故障的准确分类，文章以油中溶解的5种典型气体作为故障诊断的特征量，提出一种基于改进灰狼算法与最小二乘支持向量机耦合的电力变压器故障诊断方法。该方法通过改进灰狼算法寻求最小二乘支持向量机中的最优惩罚系数C和核函数参数g，用以提高故障诊断的准确率。首先阐明最小二乘支持向量机和灰狼算法的改进点并将二者耦合，将其代入413组电力变压器的油中溶解气体检测数据来诊断故障类型，与其他诊断方法进行对比；其次研究惩罚系数C和核函数参数g对电力变压器故障类型识别准确率的影响规律；最后借助训练后的改进灰狼算法与最小二乘支持向量机耦合方法，通过两台不同电压等级的变压器故障实例分析，验证了故障诊断方法的有效性。研究结果表明：相较于单一使用最小二乘支持向量机和传统灰狼算法与最小二乘支持向量机耦合，改进灰狼算法与最小二乘支持向量机耦合方法对电力变压器故障诊断的准确率分别提高了14%和7%。此外，惩罚系数C和核函数参数g对电力变压器故障类型识别准确率的影响呈现非线性规律，凸显了通过智能算法找到最优解的便捷性、必要性、有效性。     

基于KPCA与RVM感应电机故障诊断研究

针对感应电机非线性、强耦合、时变的特点,提出一种将核主成分分析(KPCA)和相关向量机(RVM)相结合的感应电机故障诊断方法。首先,对感应电机定子电流进行小波分解,并采用核主元分析方法有效去除信息的冗余,得到能反映感应电机运行状态的特征向量。然后,利用相关向量机对故障特征向量进行故障分类,识别感应电机的运行状态。通过对不同运行状态下感应电机进行识别分析,验证了此方法的可行性和实用性,并和其他3种方法比较,结果表明基于KPCARVM方法的故障诊断方法有较好的分类效果和泛化能力,是一种有效的感应电机故障诊断方法。     

欧氏距离二叉树向量机的变压器故障诊断研究

依托欧氏距离和支持向量机理论,提出了基于欧氏距离的二叉树支持向量机变压器故障诊断方法,建立了基于欧氏距离的二叉树支持向量机故障诊断模型,最后进行了仿真。结果表明,基于欧氏距离的二叉树支持向量机的变压器故障分类模型不但具有较高的分类准确率,而且能够有效的减小基于二叉树支持向量机故障诊断时误差累计现象的发生。