期刊论文

Yang, Tong-Guang

中文

电机与控制学报

1007-449X

2016

20

9

89-95

10.15938/j.emc.2016.09.013

国家高技术研究发展计划项目（2009AA11Z217） 国家自然科学基金（61273158） 湖南教育厅科学研究项目（11C0725）

本校为第一且通讯机构

针对感应电机非线性、强耦合、时变的特点,提出一种将核主成分分析(KPCA)和相关向量机(RVM)相结合的感应电机故障诊断方法。首先,对感应电机定子电流进行小波分解,并采用核主元分析方法有效去除信息的冗余,得到能反映感应电机运行状态的特征向量。然后,利用相关向量机对故障特征向量进行故障分类,识别感应电机的运行状态。通过对不同运行状态下感应电机进行识别分析,验证了此方法的可行性和实用性,并和其他3种方法比较,结果表明基于KPCARVM方法的故障诊断方法有较好的分类效果和泛化能力,是一种有效的感应电机故障诊断方法。

According to the characteristics of induction motor, such as nonlinear, strong coupling and time-varying, a fault diagnosis method based on kernel principal component analysis (KPCA) and relevance vector machine (RVM) was proposed. Firstly, the induction motor stator current was decomposed using wavelet, and the KPCA approach was adopted to extract the feature vector and remove the redundant information effectively. Secondly, the relevance vector machine was used to classify the fault feature vectors and to identify the states of induction moto...