《基于SVM与D-S证据理论的异步电动机转子断条故障诊断方法》PDF+DOC
作者:焦露琴,姚奇,杨丽
单位:中煤科工集团常州研究院有限公司
出版:《工矿自动化》2010年第06期
页数:6页 (PDF与DOC格式可能不同)
PDF编号:PDFMKZD2010060140
DOC编号:DOCMKZD2010060149
下载格式:PDF + Word/doc 文字可复制、可编辑
《应用D-S证据理论的雷达工作模式特征层融合识别》PDF+DOC2016年第04期 王星,王志鹏,呙鹏程,周东青,杜文红,王超
《基于D-S证据理论的多传感器气体泄漏源判定》PDF+DOC2016年第12期 朱菲菲,孙启湲,贾云伟,燕磊
《修正D-S证据组合方法及其在目标识别中的应用》PDF+DOC2002年第01期 李华,史忠科
《基于D-S理论与信息融合的神经图像分类方法》PDF+DOC2014年第03期 冯旭冰,唐平,赖志飞
《基于D-S理论的空间信息融合算法的研究》PDF+DOC2005年第S5期 霍亮,唐宏
《火灾报警系统中的信息融合》PDF+DOC2005年第06期 水祺,吕景辉
《基于D-S推理的酒后驾驶预警机制研究》PDF+DOC2012年第01期 邱道尹,王勇
《D-S证据理论在公路车辆识别方面的应用》PDF+DOC2010年第04期 李彬,马国胜,李剑
《基于AR(1)模型的阵列传感器信号融合算法研究》PDF+DOC2007年第02期 李娟,赵选民
《用D-S证据理论实现多传感器信息融合的一种改进算法》PDF+DOC2006年第10期 张乐星
目前异步电动机转子断条故障诊断方法都是基于从定子电流中提取出特征频率来对转子状态作出诊断的方法,当异步电动机空载或轻载时,该特征频率易受基频泄露的影响而很难得到,同时该特征频率受转速波动影响很大,单纯根据该特征频率对转子状态作出判断缺乏准确性。针对上述问题,提出了一种运用SVM与D-S证据理论对异步电动机转子断条故障进行识别的诊断方法。该方法基于扩展Park法与FFT变换法,分别从定子电流信号和振动信号中提取转子断条故障的特征信息,利用SVM对异步电动机的状态进行模式识别,并将识别结果形成彼此独立的证据,而后根据D-S证据融合规则进行融合处理,从而实现对异步电动机转子断条故障的准确识别。实验结果表明,该方法可以对异步电动机转子断条故障作出准确判断。
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。