| 采用BBPSO优化SVM的电机定子故障诊断 |
| |
| 引用本文： | 王攀攀,史丽萍,杨晓冬,张涛. 采用BBPSO优化SVM的电机定子故障诊断[J]. 电力系统及其自动化学报, 2013, 25(2): 65-70 |
| |
| 作者姓名： | 王攀攀 史丽萍 杨晓冬 张涛 |
| |
| 作者单位： | 中国矿业大学信息与电气工程学院,徐州,221008 |
| |
| 基金项目： | 教育部科学技术研究重大项目 |
| |
| 摘 要： | 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。
|
| 关 键 词： | 感应电机 定子匝间短路 骨干微粒群优化算法 小波包 支持向量机 故障诊断 |
Stator Fault Diagnosis of Induction Motors Using the SVM Optimized by BBPSO |
| |
| WANG Pan-pan , SHI Li-ping , YANG Xiao-dong , ZHANG Tao. Stator Fault Diagnosis of Induction Motors Using the SVM Optimized by BBPSO[J]. Proceedings of the CSU-EPSA, 2013, 25(2): 65-70 |
| |
| Authors: | WANG Pan-pan SHI Li-ping YANG Xiao-dong ZHANG Tao |
| |
| Affiliation: | (School of Information and Electrical Engineering,China University of Mining & Technology,Xuzhou 221008,China) |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
