公开(公告)号：CN105425150A

公开(公告)日：2016-03-23

申请号：CN201510757355.X

申请日：2015-11-09

Applicant: 江苏科技大学

Inventor： 伍雪冬 ,  苏循亮 ,  朱志宇 ,  倪朋朋 ,  常艳超 ,  杜昭平

IPC: G01R31/34

Abstract: 本发明公开了一种基于RBF和PCA-SVDD的电机故障诊断方法，包括收集电机运行参数的历史数据，整理电机运行参数历史数据并形成样本，根据样本设计神经网络的结构，通过构建PCA-SVDD故障诊断模型，对电机故障数据进行分类处理，经过科学计算，根据电机运行过程中的实时数据进行调整数据库，运行适应能力强，可以对多种电机故障进行实时检测。

公开(公告)号：CN105137354A

公开(公告)日：2015-12-09

申请号：CN201510537415.7

申请日：2015-08-27

Applicant: 江苏科技大学

Inventor： 伍雪冬 ,  苏循亮 ,  朱志宇 ,  倪朋朋 ,  常艳超 ,  杜昭平

IPC: G01R31/34

Abstract: 本发明公开了一种基于神经网络的电机故障检测方法，包括收集电机运行参数的历史数据，整理电机运行参数历史数据并形成样本，根据样本设计神经网络的结构，训练和检测神经网络样本，并通过神经网络检测电机状态。本发明能够实现对电机实时有效检测，在故障初期就能做出预警。

公开(公告)号：CN105116323B

公开(公告)日：2017-10-17

申请号：CN201510498394.2

申请日：2015-08-14

Applicant: 江苏科技大学

Inventor： 伍雪冬 ,  苏循亮 ,  朱志宇 ,  倪朋朋 ,  常艳超 ,  杜昭平

IPC: G01R31/34

Abstract: 本发明公开了一种基于RBF的电机故障检测方法，包括以下的步骤：步骤S1是收集电机运行参数的历史数据；步骤S2是整理历史数据，形成样本，样本包括训练样本和检测样本；步骤S3是根据训练样本设计RBF的结构，包括RBF的输入值、输出值、隐藏层节点数和核函数；步骤S4是对正常训练样本利用K‑均值聚类学习算法，产生正常训练样本的聚类中心；步骤S5是更新RBF网络的输出权值；步骤S6是提取主元；步骤S7是建立PCA模型，判断电机运行状态。本发明提供的基于RBF的电机故障检测方法通用性好、步骤简单、抗干扰能力强、检测性能好。

公开(公告)号：CN105137354B

公开(公告)日：2018-04-06

申请号：CN201510537415.7

申请日：2015-08-27

Applicant: 江苏科技大学

Inventor： 伍雪冬 ,  苏循亮 ,  朱志宇 ,  倪朋朋 ,  常艳超 ,  杜昭平

IPC: G01R31/34

Abstract: 本发明公开了一种基于神经网络的电机故障检测方法，包括收集电机运行参数的历史数据，整理电机运行参数历史数据并形成样本，根据样本设计神经网络的结构，训练和检测神经网络样本，并通过神经网络检测电机状态。本发明能够实现对电机实时有效检测，在故障初期就能做出预警。

公开(公告)号：CN106124988A

公开(公告)日：2016-11-16

申请号：CN201610487292.5

申请日：2016-06-28

Applicant: 江苏科技大学

Inventor： 伍雪冬 ,  苏循亮 ,  朱志宇 ,  倪朋朋 ,  常艳超 ,  杜昭平

IPC: G01R31/34

CPC classification number: G01R31/343

Abstract: 本发明公开了一种基于RBF、多层FDA和SVDD相结合的电机多工况故障检测方法，具有较强的泛化能力，能够自主发现正常样本和故障样本之间的差别，检测电机在多工况下的多种故障。该方法可以根据具体数据建立相应模型，减少故障检测模型设计过程中需要的经验知识，提高实用性。

公开(公告)号：CN105425150B

公开(公告)日：2018-08-31

申请号：CN201510757355.X

申请日：2015-11-09

Applicant: 江苏科技大学

Inventor： 伍雪冬 ,  苏循亮 ,  朱志宇 ,  倪朋朋 ,  常艳超 ,  杜昭平

IPC: G01R31/34

Abstract: 本发明公开了一种基于RBF和PCA‑SVDD的电机故障诊断方法，包括收集电机运行参数的历史数据，整理电机运行参数历史数据并形成样本，根据样本设计神经网络的结构，通过构建PCA‑SVDD故障诊断模型，对电机故障数据进行分类处理，经过科学计算，根据电机运行过程中的实时数据进行调整数据库，运行适应能力强，可以对多种电机故障进行实时检测。

公开(公告)号：CN105116323A

公开(公告)日：2015-12-02

申请号：CN201510498394.2

申请日：2015-08-14

Applicant: 江苏科技大学

Inventor： 伍雪冬 ,  苏循亮 ,  朱志宇 ,  倪朋朋 ,  常艳超 ,  杜昭平

IPC: G01R31/34

Abstract: 本发明公开了一种基于RBF的电机故障检测方法，包括以下的步骤：步骤S1是收集电机运行参数的历史数据；步骤S2是整理历史数据，形成样本，样本包括训练样本和检测样本；步骤S3是根据训练样本设计RBF的结构，包括RBF的输入值、输出值、隐藏层节点数和核函数；步骤S4是对正常训练样本利用K-均值聚类学习算法，产生正常训练样本的聚类中心；步骤S5是更新RBF网络的输出权值；步骤S6是提取主元；步骤S7是建立PCA模型，判断电机运行状态。本发明提供的基于RBF的电机故障检测方法通用性好、步骤简单、抗干扰能力强、检测性能好。