针对船舶推进永磁同步电机运行过程中出现的非平稳性和多分量性的振动故障信号,利用变分模态分解按照预设尺度将故障信号分解为K个模态分量,根据各个模态分量与原信号的相对熵值大小去除伪分量,提取最佳信号分量,利于果蝇优化算法动态...针对船舶推进永磁同步电机运行过程中出现的非平稳性和多分量性的振动故障信号,利用变分模态分解按照预设尺度将故障信号分解为K个模态分量,根据各个模态分量与原信号的相对熵值大小去除伪分量,提取最佳信号分量,利于果蝇优化算法动态调整搜索步长,搜寻影响最小二乘支持向量机(Least squares support vector machine,LSSVM)识别精度的超参数的最佳组合,最后将特征向量输入参数优化后的LSSVM进行故障识别。分析结果表明:基于优化LSSVM的振动故障诊断方法,对于永磁同步电机振动故障类别具有很高的识别率。展开更多
文摘针对船舶推进永磁同步电机运行过程中出现的非平稳性和多分量性的振动故障信号,利用变分模态分解按照预设尺度将故障信号分解为K个模态分量,根据各个模态分量与原信号的相对熵值大小去除伪分量,提取最佳信号分量,利于果蝇优化算法动态调整搜索步长,搜寻影响最小二乘支持向量机(Least squares support vector machine,LSSVM)识别精度的超参数的最佳组合,最后将特征向量输入参数优化后的LSSVM进行故障识别。分析结果表明:基于优化LSSVM的振动故障诊断方法,对于永磁同步电机振动故障类别具有很高的识别率。