基于Hilbert模量与改进BP神经网络的电机转子断条故障诊断

• 作者: 苟旭丹
• 来源期刊: 电测与仪表
• 学科: 工学
• 关键词: 转子断条 Hilbert模量 混沌粒子群 BP神经网络 故障诊断
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 智能电网
• 页码范围: 55-58
• 页数: 4页
• 分类号: TM343
• 字数: 1836字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-1390.2018.03.010

摘要

为了更加快速准确识别感应电机转子断条故障,文中提出一种基于定子电流Hilbea模量与混沌粒子群算法(Chaos Particle Swarm Optimization,CPSO)优化BP神经网络的感应电机转子断条故障诊断方法.该方法首先通过定子电流Hilbert模量进行故障特征提取,然后采用CPSO-BP神经网络进行故障状态的自动识别.Hilbert模量可以将定子电流中的基波信号转化为直流分量,降低其对特征提取的干扰,从而凸显故障特征.而CPSO-BP神经网络方法相比BP神经网络具有更好的权值系数,可以进一步提高故障识别率.经实例验证,基于Hilbert模量与改进BP神经网络的电机故障诊断方法性能良好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	苟旭丹		5	30	3.0	5.0