利用骨干微粒群算法和SVM诊断电机定子故障

摘要：

为了实现感应电机定子匝间短路故障的准确识别,提出一种基于骨干微粒群算法和支持向量机(support vector machine,SVM)的故障诊断方法.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提取的影响.然后利用小波包频带能量分解技术,将残余电流信号的故障特征谐波分解到不同频带,形成感应电机运行状态的特征向量,并以此作为SVM的输入向量.采用SVM进行分类,并利用骨干微粒群算法和交叉检验优化模型参数,避免参数选择的盲目性.实验结果表明,该方法不但可以有效滤除基波分量,突出故障特征,而且能够在小样本情况下准确辨识感应电机定子匝间短路故障.

关键词：感应电机、定子故障、骨干微粒群算法、小波包、支持向量机、故障诊断

所属期刊栏目：17

分类号：TM343(电机)

资助基金：教育部科学技术研究重大项目311021

在线出版日期：2013-06-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：48-54