Název:	Multi-sensor fault diagnosis of induction motors using random forests and support vector machine
Autoři:	Saberi, Alireza Nemat Sandirasegaram, Sarvavignoban Belahcen, Anouar Vaimann, Toomas Šobra, Jan
Citace zdrojového dokumentu:	SABERI, A.N., SANDIRASEGARAM, S., BELAHCEN, A., VAIMANN, T., ŠOBRA, J. Multi-sensor fault diagnosis of induction motors using random forests and support vector machine. In: Proceedings : 2020 International Conference on Electrical Machines (ICEM 2020). Piscataway: IEEE, 2020. s. 1404-1410. ISBN 978-1-72819-945-0.
Datum vydání:	2020
Nakladatel:	IEEE
Typ dokumentu:	konferenční příspěvek conferenceObject
URI:	2-s2.0-85098620675 http://hdl.handle.net/11025/42546
ISBN:	978-1-72819-945-0
Klíčová slova v dalším jazyce:	fault diagnosis;induction motor;machine learning;multiple signal classification;support vector machine
Abstrakt v dalším jazyce:	This paper presents a fault diagnosis scheme for induction machines (IMs) using Support Vector Machine (SVM) and Random Forests (RFs). First, a number of timedomain and frequency-domain features are extracted from vibration and current signals in different operating conditions of IM. Then, these features are combined and considered as the input of SVM-based classification model. To avoid overfitting, RF is utilized to determine the most dominant features contributing to accurate classification. It is proved that the proposed method is capable of achieving highly accurate fault diagnosis results for broken rotor bar and eccentricity faults and it can appro
Práva:	Plný text je přístupný v rámci univerzity přihlášeným uživatelům. © IEEE
Vyskytuje se v kolekcích:	Konferenční příspěvky / Conference Papers (KEV) OBD

Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.