基于粒子群优化支持向量机的电机故障模式诊断方法
基本信息
| 申请号 | CN201911079679.7 | 申请日 | - |
| 公开（公告）号 | CN110969096A | 公开（公告）日 | 2020-04-07 |
| 申请公布号 | CN110969096A | 申请公布日 | 2020-04-07 |
| 分类号 | G06K9/00;G06K9/62;G01R31/34;G06N3/00 | 分类 | 计算；推算；计数; |
| 发明人 | 李志军;卢应强;曾毅;张建学;陈果;袁雪;曹玲燕 | 申请（专利权）人 | 安徽华电六安电厂有限公司 |
| 代理机构 | 南京知识律师事务所 | 代理人 | 国电南京自动化股份有限公司;江苏国电南自海吉科技有限公司;安徽华电六安电厂有限公司 |
| 地址 | 210032 江苏省南京市浦口区高新技术开发区星火路8号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明涉及基于粒子群优化支持向量机的电机故障模式诊断方法，其特征在于：使用基于小波分析和建立粒子群优化(PSO)最小二乘支持向量机(LS‑SVM)的方法来诊断电机故障类型，该方法以小波分析的提取信号为输入，使用LS‑SVM建立非线性系统模型并输出故障类型,通过输出反馈和偏差校正减少预测误差,由PSO滚动优化获得非线性系统的控制量，在非线性系统数学模型未知的情况下设计出有效地准确判断出故障模式。经过测试，将PSO‑LS‑SVM算法和小波分析用于电机的故障诊断，结果明显优于SVM算法和之前的神经网络在电机的故障诊断的应用，不仅更快地收敛于最优解，而且很大程度地提高了电机故障诊断的精度。 |
