Indexed by：
Abstract：
提出一种基于自回归滑动平均(auto-regressive moving average,ARMA)模型双谱分析与离散隐马尔可夫模型(discrete hidden Markov model,DHMM)的电力电子电路故障混合诊断新方法.首先对故障电路采样的数据进行零均值处理;然后采用高阶累积量建立ARMA模型参数并进行双谱分析,通过对双谱矩阵进行矩阵变换提取电路故障信息特征量,再对故障特征数据进行矢量量化:最后应用离散隐马尔可夫模型,设计出电力电子电路的故障分类器.将该方法应用到SS8机车主变流器电路的故障诊断中.结果表明,所提出方法具有较高的正确诊断率和较强的抗噪声能力,在无噪声或加入5%的噪声情况下,正确诊断率均为100%;而当加入10%的噪声时,正确诊断率比DHMM诊断法和GA-BP神经网络诊断法分别高出16.11%和23.79%.该方法在工程中具有实际应用价值.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
中国电机工程学报
ISSN： 0258-8013
CN： 11-2107/TM
Year： 2010
Issue： 24
Volume： 30
Page： 54-60
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 2
Affiliated Colleges：
