基于主成分分析和神经网络的电动机故障诊断方法研究

• 作者: 方磊 许允之 许智颖 郭西进
• 来源期刊: 煤矿机电
• 学科: 工学
• 关键词: 电动机故障诊断 频谱分析 小波包分析 主成分分析(PCA)
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 设计研究
• 页码范围: 27-32
• 页数: 6页
• 分类号: TM343+.2|TP206+.3
• 字数: 4155字
• 语种: 中文
• DOI: 10.16545/j.cnki.cmet.2016.05.009

摘要

为能有效地对电动机转子断条故障初期进行检测,以小波包分析方法为基础,根据能量频谱中能量值的变化来诊断电动机故障.根据能量值的大小来判别电动机故障的严重程度,再利用小波包结合主成分分析(PCA)提取能反映原始数据集的特征向量,最后利用径向基函数(RBF)神经网络来对电动机故障类型进行识别.仿真验证了该方法能有效地提取电动机的故障信号量,并能正确地识别电动机的故障类型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许允之	中国矿业大学信息与电气工程学院	111	387	11.0	15.0
2	郭西进	中国矿业大学信息与电气工程学院	82	391	10.0	15.0
3	方磊	中国矿业大学信息与电气工程学院	22	53	3.0	6.0
4	许智颖		2	2	1.0	1.0