基于多超球SVM的电机转子断条故障诊断
针对电机转子断条故障诊断问题,设计了一个故障诊断模型.将电机转子断条故障诊断视为多分类问题,提出了一种多超球支持向量机(MHSVM)故障诊断模型.MHSVM是通过利用支持向量数据描述(SVDD),结合二叉树结构的方法,构造的一种多分类模型.为验证所提出算法的有效性,将MHSVM与支持向量机(SVM)和神经网络算法(BP)进行了对比实验.结果为提出的诊断模型能够实现94.92%的诊断率,而SVM模型和BP模型分别实现92.06%和89.06%的诊断率.提出的诊断模型的诊断率是3个模型中最高的.实验结果表明,基于SVM的故障诊断模型的诊断效果优于基于BP算法的诊断效果.同时,提出的MHSVM对转子断条故障具有最好的诊断效果,这证明了所提出模型的适用性和有效性.
电动机、转子断条、故障诊断、模式分类、支持向量机
44
TP2(自动化技术及设备)
2021-07-28(万方平台首次上网日期,不代表论文的发表时间)
共5页
1-5