基于 KPCA 与 RVM 感应电机故障诊断研究

摘要：

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KPCA-RVM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。

关键词：核主成分分析、相关向量机、感应电机、故障诊断

所属期刊栏目：20

分类号：TP206(自动化技术及设备)

资助基金：国家高技术研究发展计划项目2009AA11Z217；国家自然科学基金61273158；湖南教育厅科学研究项目11C0725

在线出版日期：2016-10-18（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：89-95