具有結(jié)構(gòu)風(fēng)險最小化原則的支持向量機(jī)（SVM）對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的方法在故障診斷中的運用。針對這一問題，提出了利用支持向量機(jī)的方法對匝間轉(zhuǎn)子繞組短路故障診斷方法。該方法利用小波分析對探測線圈測得感應(yīng)電動勢進(jìn)行處理構(gòu)造特征向量，然后輸入到支持向量機(jī)的多故障分類器中進(jìn)行故障識別。實驗數(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)有更好的分類效果。
標(biāo)簽：
支持向量機(jī)
發(fā)電機(jī)
匝間
轉(zhuǎn)子
上傳時間：
2013-11-04
上傳用戶：s363994250
