摘要
瞬态工况的分析对于机电设备可靠监测与诊断具有重要意义，因为负载的动态变化对电机的电气和机械特性具有显著影响。本研究提出了一种动态运行工况分类方法，使用十种合成生成的负载曲线来表征线性、非线性、周期性、随机性以及组合负载。为施加可控负载并记录直流电机和感应电机的电气与机械参数，搭建了实验装置。为确定最具信息量的特征，分别应用了ReliefF、SFCPP和FSNCA方法，随后结合统计方法与机器学习方法进行降维与分类。所选特征向量通过分层5折交叉验证进行评估，并利用Wilcoxon检验、Friedman检验和置换检验进行验证。结果表明，有限的电气与机电参数集合中包含的信息足以可靠地区分不同的动态运行模式。表现最优的模型分类准确率超过98%，证实了所提框架的有效性。该方法提供了一种可复现的方法学，可用于生成具有代表性的数据集、评估特征信息量，并支持用于电驱动系统状态监测的智能系统。该方法既适用于实验室条件，也可应用于数字孪生及预测性维护系统的开发。
