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.
基金项目
深圳市基础研究面上项目(JCYJ20190809145407809)
深圳市高等院校稳定支持计划重点项目(20200829114939001)
深圳信息职业技术学院高水平创新团队项目(TD2020E001)
维普
万方数据