基于粒子群優(yōu)化支持向量機(jī)的電機(jī)故障模式診斷方法

基本信息

申請(qǐng)?zhí)?/td> CN201911079679.7 申請(qǐng)日 -
公開（公告）號(hào) CN110969096A 公開（公告）日 2020-04-07
申請(qǐng)公布號(hào) CN110969096A 申請(qǐng)公布日 2020-04-07
分類號(hào) G06K9/00;G06K9/62;G01R31/34;G06N3/00 分類 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 李志軍;盧應(yīng)強(qiáng);曾毅;張建學(xué);陳果;袁雪;曹玲燕 申請(qǐng)（專利權(quán)）人 江蘇國(guó)電南自海吉科技有限公司
代理機(jī)構(gòu) 南京知識(shí)律師事務(wù)所 代理人 國(guó)電南京自動(dòng)化股份有限公司;江蘇國(guó)電南自海吉科技有限公司;安徽華電六安電廠有限公司
地址 210032 江蘇省南京市浦口區(qū)高新技術(shù)開發(fā)區(qū)星火路8號(hào)
法律狀態(tài) -

摘要

摘要 本發(fā)明涉及基于粒子群優(yōu)化支持向量機(jī)的電機(jī)故障模式診斷方法，其特征在于：使用基于小波分析和建立粒子群優(yōu)化(PSO)最小二乘支持向量機(jī)(LS?SVM)的方法來(lái)診斷電機(jī)故障類型，該方法以小波分析的提取信號(hào)為輸入，使用LS?SVM建立非線性系統(tǒng)模型并輸出故障類型,通過(guò)輸出反饋和偏差校正減少預(yù)測(cè)誤差,由PSO滾動(dòng)優(yōu)化獲得非線性系統(tǒng)的控制量，在非線性系統(tǒng)數(shù)學(xué)模型未知的情況下設(shè)計(jì)出有效地準(zhǔn)確判斷出故障模式。經(jīng)過(guò)測(cè)試，將PSO?LS?SVM算法和小波分析用于電機(jī)的故障診斷，結(jié)果明顯優(yōu)于SVM算法和之前的神經(jīng)網(wǎng)絡(luò)在電機(jī)的故障診斷的應(yīng)用，不僅更快地收斂于最優(yōu)解，而且很大程度地提高了電機(jī)故障診斷的精度。