提出一种基于电流信号频谱分析和支持向量机(SVM)的矿用感应电机早期故障诊断方法。对定子电流采样后,经FFT变换后提取故障特征量作为支持向量机的输入,基于1对1算法和混合矩阵组合策略构造了多故障SVM分类,对不同类型的故障进行诊断和分类。实验结果表明,该方法能够有效解决电机故障诊断中小样本集、非线性、高维数时的故障分类问题,提高电机故障诊断的准确性。

针对矿用异步电机定子匝间短路故障,提出了一种故障诊断的方法,该方法结合了小波包熵和最小二乘支持向量机,通过样本误差来选择贡献量比较大的样本,同时又顾及到其它样本的一些属性,再通过最小二乘支持向量机来进行训练,能够保证算法的精度和推广的能力,加快训练速度。此方法具有鲁棒性和快速性,同时它也会削弱部分干扰样本的影响,从而减少误差的概率。通过实验方法结果显示,所提出的方法有效可行。