基于MUSIC与SVRM的感应电动机转子断条故障检测

• 作者: 刘志坚 吴玮 李德路
• 来源期刊: 微特电机
• 学科: 工学
• 关键词: 感应电动机 转子断条 多重信号分类 支持向量回归机
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 设计分析
• 页码范围: 30-33,37
• 页数: 5页
• 分类号: TM346
• 字数: 5061字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-7018.2018.12.008

摘要

研究了一种基于多重信号分类(multiple signal classification,MUSIC)与支持向量回归机(support vector regression machine,SVRM)的感应电动机转子断条故障检测方法,能够快速且准确地检测感应电动机转子断条特征分量的幅值与频率.MUSIC具有较好的检测精度和较高的频率分辨力,从而能快速有效地检测边频与基频分量频率的大小,对短时采样信号也同样适用,但其无法获得各分量的幅值与相位.基于MUSIC的这一缺陷,采用SVRM来检测各分量的幅值和相位,并进行了性能分析.通过Y132M-4型感应电机进行实验研究,实验结果证明了该方法的正确性和优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李德路		28	78	5.0	7.0
2	刘志坚		15	31	4.0	5.0
3	吴玮		1	0	0.0	0.0