《基于小波包近似熵与LMS加权特征融合异步电机故障诊断》PDF+DOC
作者:曾求洪,宾光富,李学军,罗军
单位:中国声学学会
出版:《噪声与振动控制》2015年第05期
页数:6页 (PDF与DOC格式可能不同)
PDF编号:PDFZSZK2015050310
DOC编号:DOCZSZK2015050319
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于SVM和证据理论的多数据融合故障诊断方法》PDF+DOC2010年第08期 姜万录,吴胜强
《基于改进SVM的数控机床在线实时诊断系统设计》PDF+DOC2016年第08期 唐少琴
《根据瞬时转速与冲击信号诊断柴油机故障的方法》PDF+DOC2016年第04期 高志龙,霍柏琦,唐松林,么子云,张进杰
《基于SVM及X射线的气体绝缘开关设备故障自动诊断系统设计》PDF+DOC2020年第01期 李波,樊磊,周海,谢柯,张晓春,涂静鑫
《叶轮机械叶片状态监测与故障诊断的现状与发展》PDF+DOC2003年第06期 唐一科,柯研,谢志江
《EMD和SVM在刀具故障诊断中的应用》PDF+DOC2010年第05期 王涛,徐涛
《基于神经网络与特征融合的损伤诊断方法》PDF+DOC2008年第06期 刘义艳,段晨东,巨永锋,赵学风,韩旻
《基于多传感器信息融合的SVM结构损伤诊断方法》PDF+DOC2013年第06期 刘义艳,陈晨,俞竣瀚
《基于多传感器振动信号融合的真空断路器故障诊断》PDF+DOC2013年第02期 齐贺,赵智忠,李振华,赵素文
《矿井主通风机在线监测与故障诊断系统》PDF+DOC2013年第01期 李曼,司颉,张锋军
针对大多数情况下异步电机故障在不同传感器和转频等工况参数下的近似熵集合存在差异,难以有效提取表征不同故障状态的信号特征,进行故障状态识别的问题,提出一种基于小波近似熵与加权最小均方误差LMS的特征融合异步电机故障诊断方法。首先,通过小波包分解电机正常、转子不平衡、转子弯曲以及基座松动等故障信号,得到不同频带的信号特性,然后选取最优尺度提取不同频带上近似熵构成集合。然后,结合同种故障不同运行状态下的近似熵集合,通过采用自适应LMS算法进行加权融合提取电机不同故障状态的最优特征,将其作为SVM的输入进行故障分类,从而实现不同工况下故障状态的精确识别。最后,针对异步电机正常运行、转子不平衡、转子弯曲、基座松动四种运行状态,分别采用所提出的SVM分类法和BP神经网络法,结果表明SVM分类法比BP神经网络法的分类识别率更高,诊断效果更好。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。