文件名称：使用机器学习分类器的工业电机状态监测-研究论文
文件大小：960KB
文件格式：PDF
更新时间：2024-06-09 10:48:03
Classifiers; Condition Monitoring; Decision Support
旋转机械，即感应电动机，由于其可靠性，坚固性和可忽略的维护而成为现代和服务行业中最常见的负载。 然而，必须监测旋转机械的健康状况，以避免生产延误，对公司的资本损失等。近来，发展了状态监视方法以减少旋转机械的突然故障。 在这项工作中，感应电动机参数（例如电压，电流，温度和振动）用于监视感应电动机（IM）的状态。 此外，将两种不同的机器学习（ML）算法，即k均值算法和极限学习机算法用于分析。 此外，分析了这两种ML算法的性能，并使用最佳ML算法作为ML分类器来开发实时智能系统。 结果表明，极限学习机（ELM）分类器的性能优于k均值分类器。 这项工作似乎具有很高的工业意义，因为可以使用开发的实时智能系统识别工业电动机的状况。