2019年基于小波神经网络与KNN机器学习算法的六相永磁同步电机故.docVIP

第44卷 第504期 电测与仪表 Vol.44 No.504 2007年 第12期 Electrical Measurement Instrumentation Dec.2007 PAGE 1 - 基于小波神经网络与KNN机器学习算法的六相永磁同步电机故障态势感知方法二号黑体* 二号黑体 张昊宇1，姚钢1，殷志柱2，周荔丹小四号华文仿宋1 小四号华文仿宋 （1. 电力传输与功率变换控制教育部重点实验室 上海交通大学，上海 200240；2. 上海电气集团中央研究院，上海 200070）五号楷体_GB2312矚慫润厲钐瘗睞枥庑赖賃軔朧碍鳝绢懣硯涛镕頃赎巯驂雞虯从躜鞯烧。 五号楷体_GB2312 摘要五号黑体，以下关键词、、中图分类号、文献标识码也是同样字体。正文为五号宋体：为了避免六相永磁同步电机在运行过程中因缺相引发更严重电机故障和系统崩坏，需对电机在故障发生前进行提前预测判断和在故障发生后识别故障类型。本文根据故障下定子磁动势不变原理，推导Y移30°中性点隔离型六相永磁同步电机在各缺相故障下的数学模型。通过小波包分析方法提取故障工况下的特征值，构建小波神经网络模型对故障发生进行预测判断，避免系统误触发；构建KNN机器学习系统，对故障类型进行快速识别，以实现对故障态势的感知。利用MATLAB软件和Python的Scikit-Learn机器学习库进行仿真实验，对比验证该方法在六相永磁同步电机故障态势感知中可靠有效。聞創沟燴鐺險爱氇谴净祸測樅锯鳗鲮詣鋃陉蛮苎覺藍驳驂签拋敘睑绑。 五号黑体，以下关键词、、中图分类号、文献标识码也是同样字体。正文为五号宋体 关键词：永磁同步电机；神经网络；机器学习；小波包分解；中文关键词之间用分号故障态势感知 中文关键词之间用分号 中图分类号：TM933 文献标识码：B 文章编号：1001-1390（2018）00-0000-00残骛楼諍锩瀨濟溆塹籟婭骒東戇鳖納们怿碩洒強缦骟飴顢歡窃緞駔蚂。 Fault state perception method for six six-phase PMSM based on wavelet neural network and KNN machine learning algorithm小三号Times New Roman，加粗，以下英文为五号Times New Roman 酽锕极額閉镇桧猪訣锥顧荭钯詢鳕驄粪讳鱸况閫硯浈颡閿审詔頃緯贾。 小三号Times New Roman，加粗，以下英文为五号Times New Roman Zhang Haoyu1, Yao Gang1, Yin Zhizhu2, Zhou Lidan1英文姓名的首字母大写,名字间不用连字符彈贸摄尔霁毙攬砖卤庑诒尔肤亿鳔简闷鼋缔鋃耧泞蹤頓鍥義锥柽鳗铟。 英文姓名的首字母大写,名字间不用连字符 (1. Key Laboratory of Control of Power Transmission and Conversion Control of Ministry of Education, Shanghai Jiao Tong University, Shanghai 200240, China. 2. Central Academe of Shanghai Electric Group Co., Ltd., ,Central Academe , Shanghai 200070, China)謀荞抟箧飆鐸怼类蒋薔點鉍杂篓鳐驱數硯侖葒屜懣勻雏鉚預齒贡缢颔。 Abstract：In order to avoid the more serious motor fault and system breakdown which were caused by open phase during during the six-phase permanent magnet synchronous motor (PMSM) running of six-phase permanent magnet synchronous motor (PMSM), it is necessary to do the fault prediction and diagnosis. This paper derived mathematical model of neutral point isolation six-phase PMS