基于 KPCA 与 RVM 感应电机故障诊断研究

• 作者: 桂卫华 阳同光
• 来源期刊: 电机与控制学报
• 学科: 工学
• 关键词: 核主成分分析 相关向量机 感应电机 故障诊断
• 年，卷（期）: 2016,（9）
• 页码范围: 89-95
• 页数: 7页
• 分类号: TP206
• 字数: 6176字
• 语种: 中文
• DOI: 10.15938/j.emc.2016.09.013

摘要

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KPCA-RVM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。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	桂卫华	中南大学信息科学与工程学院	695	7452	38.0	56.0
2	阳同光	湖南城市学院机械与电气工程学院	28	285	9.0	16.0