基于视觉图像特征的两阶段电动机智能故障诊断
徐东1
彭鑫2
张晓飞2
1.中国人民解放军92942部队,北京 1001612.湖南大学 电气与信息工程学院,长沙 410082
摘要：针对近年来故障诊断领域在效率、可靠性方面的新挑战,提出了一种基于对称点图案(Symmetrized Dot Pat⁃tern,SDP)的感应电动机粗-细分类故障诊断方法.该方法首先通过SDP方法将各故障电动机的振动信号转换为雪花状图像,然后设计了一种粗-细分类的两阶段故障诊断框架用于图像特征的提取与分类.在粗分类阶段,采用了速度快的颜色直方图特征和支持向量机(Support Vector Machine,SVM)对样本进行诊断,并选取了一个阈值用于确定粗分类的样本;在细分类阶段,采用了可提取图像全局信息的全局特征(Gist特征)和SVM对剩余样本进行诊断.试验结果表明,所提方法综合了颜色直方图特征和Gist特征的优势,能够以相对较高的效率实现可靠的诊断,并具备一定的抗噪能力.
关键词：对称点图案视觉特征支持向量机两阶段故障诊断
分类号：TM343(电机)TP181(自动化基础理论)
论文发表日期：2024-12-15
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：7( 1295-1301 )
英文信息