基于机器学习算法的电机运行数据挖掘  

作　　者：张兆波 刘昱垚 林炯勋 刘震 吴佩纯 彭保[4] 

机构地区：[1]广东粤海珠三角供水有限公司,广东广州511458 [2]南京农业大学人工智能学院,江苏南京210095 [3]广西科技大学电子工程学院,广西柳州545006 [4]深圳信息职业技术学院电子与通信学院,广东深圳518172

出　　处：《企业科技与发展》2024年第8期66-69,共4页Sci-Tech & Development of Enterprise

基　　金：深圳市基础研究面上项目“智慧工厂中基于物联网的有毒气体扩散跟踪方法研究及应用”(JCYJ20190809145407809);深圳市高等院校稳定支持计划重点项目“面向精准教学的物联网智能终端关键技术与应用研究”(20200829114939001);深圳信息职业技术学院高水平创新团队项目“视觉检测物联网工程技术研究与产业化应用团队”(TD2020E001)。

摘　　要：文章以永磁电机的运行数据为研究对象,探讨基于数据挖掘与机器学习算法的电机状态分析与预测方法。首先,运用K均值聚类算法对采集的电机电压、电流、扭矩、转速等多种数据进行分类,揭示数据之间的潜在联系。其次,采用K近邻(KNN)算法对电机运行功率和绕组温度进行回归预测,结果表明该方法具有较高的预测精度。最后,通过构建和训练神经网络模型,对电机状态进行更精确的预测,进一步验证神经网络在电机故障预警中的有效性。该研究为电机智能维护提供了技术支持,同时为工业领域的设备管理与优化奠定了基础。

关 键 词：电机 机器学习 数据挖掘 聚类 预测精度 

分 类 号：TP311[自动化与计算机技术—计算机软件与理论] TM3[自动化与计算机技术—计算机科学与技术]