首页|基于机器学习算法的电机运行数据挖掘

基于机器学习算法的电机运行数据挖掘

扫码查看
原文链接
  • 万方数据
  • 维普
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.

张兆波、刘昱垚、林炯勋、刘震、吴佩纯、彭保

展开 >

广东粤海珠三角供水有限公司,广东 广州 511458

南京农业大学 人工智能学院,江苏 南京 210095

广西科技大学 电子工程学院,广西 柳州 545006

深圳信息职业技术学院 电子与通信学院,广东 深圳 518172

展开 >

电机 机器学习 数据挖掘 聚类 预测精度

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
年,卷(期)：2024.(8)