报告详情
  1. 活动首页
  2. 报告清单
  3. 报告详情
Asynchronous Motor Fault Diagnosis Output Based on VMD-XGBoost
编号：124 访问权限：仅限参会人 更新：2023-11-20 13:53:19 浏览：216次 张贴报告

报告开始：暂无开始时间（Asia/Shanghai）

报告时间：暂无持续时间

所在会场：[暂无会议] [暂无会议段]

演示文件 附属文件

提示：该报告下的文件权限为仅限参会人，您尚未登录，暂时无法查看。

摘要
针对异步电机的常见故障诊断，提出了VMD（变分模态分解）和XGBoost（极限梯度增强算法）模型用于异步电机的故障诊断输出。通过电磁场仿真获得异步电动机的定子电流。然后，对A、B、C相的定子电流进行VMD分解，提取故障的近似熵作为故障特征;最后，将其输入到XGBoost模型中进行电机故障诊断。实验结果表明，VMD与XGBoost相结合的诊断方法可以实现故障类型诊断输出，具有重要的现实意义。
 
关键词
Asynchronous Motor ; Fault Diagnosis ;VMD; XGBoost ; Approximate Entropy
报告人
Ming Tang
postgraduate ShangHai Dianji University

稿件作者
Ming Tang ShangHai Dianji University
Aiyuan Wang Shanghai Dianji University
ZhenTian Zhu Shanghai Dianji University
发表评论
验证码 看不清楚，更换一张
全部评论
重要日期

  • 会议日期

    12月08日

    2023

    至

    12月10日

    2023

  • 11月01日 2023

    初稿截稿日期

  • 12月10日 2023

    注册截止日期

主办单位
IEEE IAS
承办单位
Southwest Jiaotong University (SWJTU)
联系方式
登录查看完整联系方式
历届会议
移动端
在手机上打开
小程序
打开微信小程序
客服
扫码或点此咨询