基于FCM和SVM的电机转子故障诊断方法研究

摘要：

本文采用振动诊断的方法即通过对电机振动信号检测,对信号进行各种处理和分析,诊断电机产生故障的类型。模糊C均值聚类(FCM)算法是目前应用最为广泛的模糊聚类算法,但是由于模糊C 均值聚类本质上是一种梯度下降算法寻求最优解的过程,因此会产生陷入局部最优解的问题,此外对于初值的过分依赖也是模糊C 均值聚类的一个有待解决的问题。支持向量机(SVM)是一种新的通用学习方法,较好的解决了小样本、高维数等学习问题,并且克服了神经网络算法陷入局部最优解无法收敛的问题。本文提出了将FCM 和SVM两种算法相结合的电机故障诊断模型,即用FCM 算法预先处理训练样本,处理后的样本再作为SVM分类器的最终训练本进行分类.试验证明这一方法具有很好的分类效果和应用前景。

关键词： 电机转子 故障诊断 模糊C均值聚类 支持向量机

作者: 李媛媛 郭军华 吕琳

作者单位: 后勤工程学院机械电气工程系,重庆,401331

会议类型: 国内会议

会议名称: 重庆市电机工程学会2010年学术会议

会议地点: 重庆

会议语种:中文

页码: 863-866

在线出版日期: 2010-10-01（万方平台首次上网日期，不代表论文的发表时间）