模糊熵特征选择与SVM在三相异步电机故障诊断中的应用

简介

三相异步电机故障发生率高,用电量大且故障难以早期识别。基于此,提出一种基于模糊熵特征选择和支持向量机(Support Vector Machine,SVM)的故障诊断方法。通过构造故障再现试验,测取其四种不同状态类别的多测点振动信号样本,采用模糊熵计算其模态分量的模糊熵样本值,得到四种不同状态类别的模糊熵故障特征向量。然后,结合支持向量机算法,构建支持向量机分类模型,划分模糊熵特征量训练样本和测试样本。通过构造的SVM模型训练和验证,验证结果表明故障诊断准确度达到97.5%,利用常用的改进BP神经网络诊断方法进行对比,准确度为92.5%,结果表明基于模糊熵特征选择与SVM方法在诊断精度上更高。