基于机器学习算法的电机运行数据挖掘

张兆波 ¹刘昱垚 ²林炯勋 ³刘震 ¹吴佩纯 ¹彭保⁴

扫码查看

作者信息

1. 广东粤海珠三角供水有限公司,广东广州 511458
2. 南京农业大学人工智能学院,江苏南京 210095
3. 广西科技大学电子工程学院,广西柳州 545006
4. 深圳信息职业技术学院电子与通信学院,广东深圳 518172
折叠

摘要

文章以永磁电机的运行数据为研究对象,探讨基于数据挖掘与机器学习算法的电机状态分析与预测方法.首先,运用K均值聚类算法对采集的电机电压、电流、扭矩、转速等多种数据进行分类,揭示数据之间的潜在联系.其次,采用K近邻(KNN)算法对电机运行功率和绕组温度进行回归预测,结果表明该方法具有较高的预测精度.最后,通过构建和训练神经网络模型,对电机状态进行更精确的预测,进一步验证神经网络在电机故障预警中的有效性.该研究为电机智能维护提供了技术支持,同时为工业领域的设备管理与优化奠定了基础.

关键词

电机/机器学习/数据挖掘/聚类/预测精度

引用本文复制引用

出版年

2024

企业科技与发展

广西科学技术情报研究所

企业科技与发展

CHSSCD

影响因子：0.331

ISSN：1674-0688

段落导航