首页|模糊熵特征选择与SVM在三相异步电机故障诊断中的应用

模糊熵特征选择与SVM在三相异步电机故障诊断中的应用

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
三相异步电机故障发生率高,用电量大且故障难以早期识别.基于此,提出一种基于模糊熵特征选择和支持向量机(Support Vector Machine,SVM)的故障诊断方法.通过构造故障再现试验,测取其四种不同状态类别的多测点振动信号样本,采用模糊熵计算其模态分量的模糊熵样本值,得到四种不同状态类别的模糊熵故障特征向量.然后,结合支持向量机算法,构建支持向量机分类模型,划分模糊熵特征量训练样本和测试样本.通过构造的SVM模型训练和验证,验证结果表明故障诊断准确度达到97.5％,利用常用的改进BP神经网络诊断方法进行对比,准确度为92.5％,结果表明基于模糊熵特征选择与SVM方法在诊断精度上更高.
Research on Fault Diagnosis of Three-Phase Asynchronous Motor Based on Fuzzy Entropy Feature Selection and Support Vector Machine

肖永茂、鄢威、龚青山

展开 >

黔南民族师范学院计算机与信息学院,贵州都匀 558000

湖北汽车工业学院汽车动力传动与电子控制湖北省重点实验室,湖北 十堰 442002

武汉科技大学绿色制造工程研究院,湖北武汉 430081

模糊熵 特征选择 支持向量机 三相异步电机 故障诊断

国家自然科学基金贵州省教育厅自然科学研究项目汽车动力传动与电子控制湖北省重点实验室开放基金

51975432黔教合KY字[2019]204ZDK1201804

2023

机械设计与制造
辽宁省机械研究院

机械设计与制造

CSTPCD北大核心
影响因子：0.511
ISSN：1001-3997
年,卷(期)：2023.385(3)
  • 3
  • 9