10.3969/j.issn.1001-1390.2018.03.010
基于Hilbert模量与改进BP神经网络的电机转子断条故障诊断
为了更加快速准确识别感应电机转子断条故障,文中提出一种基于定子电流Hilbea模量与混沌粒子群算法(Chaos Particle Swarm Optimization,CPSO)优化BP神经网络的感应电机转子断条故障诊断方法.该方法首先通过定子电流Hilbert模量进行故障特征提取,然后采用CPSO-BP神经网络进行故障状态的自动识别.Hilbert模量可以将定子电流中的基波信号转化为直流分量,降低其对特征提取的干扰,从而凸显故障特征.而CPSO-BP神经网络方法相比BP神经网络具有更好的权值系数,可以进一步提高故障识别率.经实例验证,基于Hilbert模量与改进BP神经网络的电机故障诊断方法性能良好.
转子断条、Hilbert模量、混沌粒子群、BP神经网络、故障诊断
55
TM343(电机)
2018-06-01(万方平台首次上网日期,不代表论文的发表时间)
共4页
55-58