公开(公告)号：CN110146812B

公开(公告)日：2021-07-13

申请号：CN201910401213.8

申请日：2019-05-15

Applicant: 吉林大学珠海学院

Inventor： 江赛标 ,  李嘉 ,  杜晓标

IPC: G01R31/34 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于特征节点增量式宽度学习的电机故障诊断方法，该方法采用特征节点增量式宽度学习方法来诊断感应电动机故障。特征节点增量式宽度学习（IBL）的结构简洁，可以有效地重新训练网络。本发明结合了特征提取（粒子群优化‑变异模态分解和时域统计特征）、特征节点增量式宽度学习和非负矩阵分解来构成一个三相电动机的智能诊断方法。实验结果表明该方法在诊断三相电动机故障时优于其他算法。此外，通过非负矩阵分解(NMF)简化的IBL误差小、系统更稳定。

公开(公告)号：CN110146812A

公开(公告)日：2019-08-20

申请号：CN201910401213.8

申请日：2019-05-15

Applicant: 吉林大学珠海学院

Inventor： 江赛标 ,  李嘉 ,  杜晓标

IPC: G01R31/34 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于特征节点增量式宽度学习的电机故障诊断方法，该方法采用特征节点增量式宽度学习方法来诊断感应电动机故障。特征节点增量式宽度学习（IBL）的结构简洁，可以有效地重新训练网络。本发明结合了特征提取（粒子群优化-变异模态分解和时域统计特征）、特征节点增量式宽度学习和非负矩阵分解来构成一个三相电动机的智能诊断方法。实验结果表明该方法在诊断三相电动机故障时优于其他算法。此外，通过非负矩阵分解(NMF)简化的IBL误差小、系统更稳定。