基于遗传算法的电动机故障判别方法

• 作者: 张晓春 许允之
• 来源期刊: 煤矿机电
• 学科: 工学
• 关键词: 小波包分解 遗传算法 特征属性 决策属性表
• 年，卷（期）: 2014,（2）
• 所属期刊栏目: 问题探讨
• 页码范围: 73-75,78
• 页数: 4页
• 分类号: TM307+.1
• 字数: 2532字
• 语种: 中文

摘要

利用电动机定子电流数据进行电动机故障的诊断,需要有合适的方法将故障特征量提取出来,由于电动机并不是在理想状态下运行,故障特征信号很容易被湮没.采用sym4小波将电流数据滤波,将数据利用db4小波包3层分解,对分解得到的能量系数进行傅里叶分析,提取其频谱中的特征量,再利用遗传算法对提取出的特征属性进行约简,得到最简化决策属性表,以此来判别电动机的故障类型.该算法通过可行性分析表明,可保证个体属性个数最少和适应度最大的原则,其算法为最优解.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张晓春	中国矿业大学信息与电气工程学院	25	103	4.0	9.0
2	许允之	中国矿业大学信息与电气工程学院	111	387	11.0	15.0