文献类型：期刊文章

作　　者：阳同光[1,2] 桂卫华[2]

机构地区：[1]湖南城市学院机械与电气工程学院,湖南益阳413000 [2]中南大学信息科学与工程学院,湖南长沙410083

出　　处：《电机与控制学报》

基　　金：国家高技术研究发展计划项目(2009AA11Z217);国家自然科学基金(61273158);湖南教育厅科学研究项目(11C0725)

年　　份：2016

卷　　号：20

期　　号：9

起止页码：89-95

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CSA、CSCD、CSCD2015_2016、EI(收录号：20163902857747)、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

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KPCARVM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。

关 键 词：核主成分分析 相关向量机 感应电机 故障诊断

分 类 号：TP206]