← 返回
智能化与AI应用 故障诊断 机器学习 ★ 2.0

基于S变换和PSO-LSSVM的永磁同步直线电机局部退磁故障识别

Local Demagnetization Fault Recognition of Permanent Magnet Synchronous Linear Motor Based on S-Transform and PSO–LSSVM

作者 Xuewei Song · Jiwen Zhao · Juncai Song · Fei Dong · Liang Xu · Jing Zhao
期刊 IEEE Transactions on Power Electronics
出版日期 2020年8月
技术分类 智能化与AI应用
技术标签 故障诊断 机器学习
相关度评分 ★★ 2.0 / 5.0
关键词 永磁同步直线电机 局部退磁故障 S变换 PSO-LSSVM 故障识别 特征提取
语言:

中文摘要

本文研究了永磁同步直线电机(PMSLM)的局部退磁故障识别,旨在实现退磁位置和程度的精确诊断。提出了一种基于S变换(ST)和粒子群优化最小二乘支持向量机(PSO-LSSVM)的故障识别系统,通过S变换提取特征,利用PSO优化LSSVM参数,有效提高了故障诊断的准确性。

English Abstract

This article focuses on the local demagnetization fault recognition research of permanent magnet synchronous linear motor (PMSLM) and realizes the accurate identification of the position and degree of demagnetized permanent magnets. A fault recognition system based on S-transform (ST) and particle swarm optimization-least squares support vector machine (PSO-LSSVM) is proposed. The ST makes the ind...
S

SunView 深度解读

该研究聚焦于电机故障诊断与智能算法应用,虽然阳光电源的核心业务集中在光伏逆变器、储能系统及风电变流器,而非直线电机,但其提出的S变换特征提取与PSO-LSSVM优化算法在设备状态监测领域具有参考价值。建议将此类基于机器学习的故障诊断思路引入iSolarCloud智能运维平台,用于提升组串式逆变器或储能PCS内部功率模块、电容等核心元器件的早期故障预警能力,通过数据驱动手段降低运维成本,提升系统可靠性。