期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于GMFDE与Singer-ELM的三相异步电机故障诊断
1
作者 谢锋云 王阳 +3 位作者 孙恩广 樊秋阳 宋成杰 朱海燕 《铁道科学与工程学报》 EI CAS CSCD 北大核心 2024年第10期4357-4369,共13页
三相异步电机是现代工业生产中广泛应用的机械设备,其运行状态关系着整个系统的安全性和稳定性,一种有效、鲁棒的三相异步电机故障诊断方法有助于电机的稳定和健康运行。鉴于电机故障特征提取困难且故障诊断准确率较低的问题,提出一种... 三相异步电机是现代工业生产中广泛应用的机械设备,其运行状态关系着整个系统的安全性和稳定性,一种有效、鲁棒的三相异步电机故障诊断方法有助于电机的稳定和健康运行。鉴于电机故障特征提取困难且故障诊断准确率较低的问题,提出一种基于多尺度波动耿贝尔散步熵(Multiscale Fluctuation Gumbel Dispersion Entropy,GMFDE)和Singer混沌映射-极限学习机(Singer Chaotic Mapping Extreme Learning Machine,Singer-ELM)的三相异步电机故障诊断方法,实现多工况下电机的故障诊断。首先,使用加速度传感器采集电机不同工况下的振动信号。其次,提出GMFDE用于特征提取,由耿贝尔分布对信号进行线性化与平滑性处理,耿贝尔分布有助于更好地捕捉数据中的异常值,再计算信号的GMFDE值来构造不同故障样本的特征向量。为了进一步提高预测的准确率和效率,使用序列前向选择算法从中选择最优特征。最后,提出Singer-ELM分类器模型,充分利用混沌映射的内部不相关性,使用Singer混沌映射生成ELM中的输入权重和偏置,将最优特征向量输入到Singer-ELM模型中进行分类和识别。结果分析表明,所提出的方法在三相异步电机实验平台上的平均识别准确率在99%以上,可以很好地诊断出电机故障类型。通过比较4个评价指标:调整兰德指数、归一化互信息、F值和准确率,得出所提方法相较于其他方法具有一定的优越性,在故障诊断领域有很好的诊断性能。 展开更多
关键词 电动机 多尺度波动耿贝尔散步熵 序列前向选择 Singer混沌映射 故障诊断
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部