具有結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則的支持向量機(jī)(SVM)對(duì)于小樣本決策具有較好的學(xué)習(xí)推廣性,并且故障樣本的不足在一定程度上制約了基于知識(shí)的方法在故障診斷中的運(yùn)用。針對(duì)這一問(wèn)題,提出了利用支持向量機(jī)的方法對(duì)匝間轉(zhuǎn)子繞組短路故障診斷方法。該方法利用小波分析對(duì)探測(cè)線圈測(cè)得感應(yīng)電動(dòng)勢(shì)進(jìn)行處理構(gòu)造特征向量,然后輸入到支持向量機(jī)的多故障分類(lèi)器中進(jìn)行故障識(shí)別。實(shí)驗(yàn)數(shù)據(jù)表明該方法是可行、有效的,并且在小樣本的情況下,較BP神經(jīng)網(wǎng)絡(luò)有更好的分類(lèi)效果。
標(biāo)簽:
支持向量機(jī)
發(fā)電機(jī)
匝間
轉(zhuǎn)子
上傳時(shí)間:
2013-11-04
上傳用戶:s363994250