基于PSO-RVM的异步电动机转子断条故障诊断
相关向量机用于数据分类时,其核函数参数的选取会对分类效果产生较大影响,往往导致故障诊断结果不理想.为此,构建了基于PSO-RVM的笼式异步电动机转子断条故障诊断方法.该方法以定子电流经Hilbert变换提取到的信号为特征量,采用粒子群(PSO)算法对RVM中的核函数σ进行优化,从而获取故障诊断准确度最高的最优参数.通过实例分析,与RVM和SVM分类方法相比,PSO-SVM故障诊断效果更理想.
笼型异步电动机、相关向量机、断条故障、Hilbert变换、粒子群优化
38
2019-10-28(万方平台首次上网日期,不代表论文的发表时间)
共6页
109-114