基于支持向量机发电机匝间转子绕组短路故障诊断.pdf

第 21卷 第2期 电子设计工程 2013年 1月 Vo1．21 NO．2 ElectronicDesignEngineering Jan．2013 基于支持向量机的发电机匝间转子绕组短路故障诊断 朱志宇，耿 璜，瞿 盛 (江苏科技大学 电信学院，江苏 镇江 212000) 摘要 ：具有结构风险最小化原则的支持 向量机 (SVM)对于小样本决策具有较好 的学习推广性，并且故障样本的不足 在一定程度上制约了基于知识 的方法在故障诊断中的运用。针对这一 问题 ，提 出了利用支持 向量机 的方法对匝间转 子绕组短路故障诊断方法。该方法利用小波分析对探测线圈测得感应 电动势进行处理构造特征 向量 ，然后输入到支 持向量机的多故障分类器中进行故障识别。实验数据表 明该方法是可行、有效的，并且在小样本的情况下，较 BP神 经网络有更好的分类效果。 关键词：支持向量机；小波分析；匝间短路；故障诊断 中图分类号：，I1P3o6+-3 文献标识码 ：A 文章编号：1674—6236(2013)02—0044—03 Detectionmethodf0rfallltsofrotorturnshortcircuitbasedon supportvectormachiue ZHUZhi—yu，GENGHuang，QUSheng (ElectronicInformationc0 ，JiangsuUniversityofScienceandTechnologyZhenjiang212000，China) Abstract：Supportvectormachine (SVM)withminimizationofthestructureriskprinciplehasgoodlearningextensionfor smallsampledecision，andlackoffaultsamplesrestrictedappllicationoffaultdiagnosis．Aimingatthisproblem，thispaper putsforwardafaultdiagnosismethodsbasedonSVM tosolvegeneratorrotorwindinginterturnshortcircuit．Thepaperputs fowrard theenergybandwaveletanalysismehtodtoextracthteeigenvaluesoffaultdiangosis，andputthedataintotheSVM to identification．Theexperimentaldatashowthathtemehtodisfeasibleandeffective，nadinthecaseofsmallsma ple，SVM have abetterclassificationeffectthanaBPneuralnetwork． Keywords：supportvectormachine；waveletanalysis；shortcircuit；faultdiagnosis 转子绕组匝间短路是发电机的一种常见 电气故障。当转 1 支持 向量机原理 子绕组发生匝间短路时，将使转子电流增大，绕组温度升高， 限制 电机的无功功率。轻微的匝问短路故障机组仍可继续运 统计学习理论是 (SLTl)在V．VAPNIK在 20世纪 70年 行，但是一旦故障恶化会导致转子一点甚至两点接地等恶性 代末提 出的一种有限样本统计理论 ，是针对小样本统计理 故障的发生。 论而建立的一套