基于FWA-DBN的航空发电机偏心故障诊断
Aviation generator eccentricity fault diagnosis based on FWA-DBN作者机构:中国民航大学电子信息与自动化学院天津300300
出 版 物:《系统工程与电子技术》 (Systems Engineering and Electronics)
年 卷 期:2022年第44卷第5期
页 面:1757-1764页
核心收录:
学科分类:0710[理学-生物学] 080801[工学-电机与电器] 0808[工学-电气工程] 08[工学] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:国家自然科学基金(51407185 U1533126)资助课题。
主 题:航空发电机 偏心故障 烟花算法 深度置信网络 极限学习机
摘 要:针对具有多并联支路绕组结构的航空发电机在偏心故障下的输出三相电压、电流故障特征差异小,造成故障不易识别的问题,提出一种基于烟花算法(fireworks algorithm,FWA)优化深度置信网络(deep belief network,DBN)的故障诊断方法。首先根据有限元法搭建航空发电机模型,通过仿真获取不同静态、动态偏心故障输出数据;然后运用FWA训练优化与极限学习机(extreme learning machine,ELM)相结合的DBN网络,得到最佳DBN-ELM模型结构;最后由ELM分类器进行故障诊断分类。诊断结果表明,相较于传统的故障诊断方法,应用所提方法进行航空发电机偏心故障诊断,可以获得更高的准确率,平均准确率达到99.203%。