基于近似熵与支持向量机的异步电机故障诊断研究

摘要

针对异步电机故障发生率高、故障类别难以有效识别的问题,提出一种基于近似熵与支持向量机的故障诊断方法.通过构造故障再现试验,分别测取4种不同状态类别的多测点振动信号样本.利用近似熵算法计算其近似熵样本值,得到4种不同状态类别的近似熵故障特征向量.结合支持向量机算法,构建支持向量机分类模型.近似熵特征量被划分为训练样本和测试样本,经验证其故障诊断准确率达97.5％,改进BP神经网络诊断方法的准确率为92.5％,结果表明:近似熵结合支持向量机方法具有更高的诊断精度.