基于 KPCA 与 RVM 感应电机故障诊断研究
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。
核主成分分析、相关向量机、感应电机、故障诊断
20
TP206(自动化技术及设备)
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
2016-10-18(万方平台首次上网日期,不代表论文的发表时间)
共7页
89-95