支持向量机分类法在异步电机故障诊断中的应用

摘要

近些年来,支持向量机算法开始应用于电机控制和故障诊断,取得了较好的效果.与以往的此类论文不同,笔者对支持向量机核函数进行了深入的理论分析和性能预测,在此基础上,选择了基于径向基核函数(Radial Basis Function简称RBF)的支持向量机进行电机故障诊断,并对基于RBF的支持向量机核函数进行了特性分析和参数优化,从理论上证明了采用基于径向基核函数的支持向量机在故障诊断中的优势.此外,针对现有的检测方法所能检测的故障种类单一,不能对几种故障同时检测的弊端,采用阈值设定法和样本补偿法,进行了两种以上故障的神经网络分类研究.实验及仿真结果证实了该方法的有效性.