极限学习机在电机故障智能诊断中的应用

• 作者: 刘建民 高相铭
• 来源期刊: 测控技术
• 学科: 工学
• 关键词: 极限学习机 陷波处理 故障诊断 小波包能量谱
• 年，卷（期）: 2015,（8）
• 所属期刊栏目: 数据采集与处理
• 页码范围: 12-15
• 页数: 4页
• 分类号: TM343
• 字数: 3334字
• 语种: 中文

摘要

针对传统的电机故障诊断方法往往采用单一信号作为诊断依据,以及利用传统的BP神经网络进行故障诊断时存在的训练速度慢、易陷入局部极小值的缺点,提出了一种基于极限学习机和多源信息融合的电机故障诊断方法.首先将定子电流信号做陷波处理,滤除基波分量;然后对电流及振动信号进行小波包分解和重构,以各频带的小波包能量谱作为故障特征向量训练极限学习机模型;最后将训练好的极限学习机模型作为诊断决策分类器来判断电机的运行状态.实验结果表明,此方法能够准确地诊断电机的故障类型,具有运行速度快、故障诊断准确率高的特点,满足了系统在线实时诊断的要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高相铭	安阳师范学院物理与电气工程学院	16	110	5.0	10.0
2	刘建民		3	17	2.0	3.0