融合能量熵编码和分类模型的牵引电机故障诊断

摘要：

针对牵引电机故障特征不明显、识别定位困难等问题,提出一种融合能量熵编码与分类模型的故障特征量化诊断方法.结合故障机理特性,对故障严重程度进行建模,用微弱电流信号重构对故障敏感的电磁转矩信号,建立基于经验模态分解能量熵和故障属性知识编码的故障特征矩阵;为消除牵引电机故障样本少、非线性模式识别对精确诊断的影响,提出一种改进的灰狼优化算法(IGWO)对支持向量机分类SVM模型参数进行辨识,通过对多类故障准确识别率寻优实现对牵引电机状态预测.在高速列车牵引系统半实物仿真平台进行优化模型对比试验,通过对故障诊断指标分析可知,能量熵编码与IGWO-SVM融合方案可以很好地识别牵引电机故障.

关键词：高速列车牵引电机、电磁转矩能量熵编码、改进的灰狼优化算法、分类优化模型、多类故障准确识别率

所属期刊栏目：45

分类号：U264.1(机车工程)

资助基金：国家自然科学基金;国家自然科学基金;江西省重点研发计划;江西省自然科学基金;江西省自然科学基金;江西省教育厅项目;江西省研究生创新专项;中国国家铁路集团有限公司科技研究开发计划

在线出版日期：2023-10-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：64-73