基于ITD-ELM的发电机转子绕组轻微匝间短路故障诊断

ZHANG Jianfeng,YUE Wenting,LI Yonggang,HE Pengkang,HOU Yuejia,ZHUANG Kejun

Proceedings of the CSU-EPSA（2023）

引用 0|浏览4

暂无评分

摘要

针对转子绕组匝间短路早期故障不易检测的问题,本文提出一种基于本征时间尺度分解ITD(intrinsic time-scale decomposition)和极限学习机ELM(extreme learning machine)的发电机转子绕组轻微匝间短路故障诊断方法.首先,采用ITD算法将同步发电机的运行数据分解为若干旋转PR(proper rotation)分量,并根据峭度准则进行信号重构;然后将重构后的信号作为输入量,诊断结果作为输出量,构建基于ITD-ELM的发电机匝间短路故障诊断模型;最后以一台型号为MJF-30-6的同步发电机数据为样本,对其轻微匝间短路故障进行诊断,结果表明:基于ITD-ELM模型的故障诊断准确率较单一的ELM模型显著提高,验证了本文所提故障诊断方法的有效性和准确性.

查看译文

关键词

synchronous generator,intrinsic time-scale decomposition（ITD）,kurtosis criterion,extreme learning machine（ELM）,turn-to-turn short-circuit,fault diagnosis

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要