基于深度学习的永磁同步电机故障诊断方法

• 作者: 张周磊 李垣江 李梦含 魏海峰
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 匝间短路 电机失磁 变分自编码网络 稀疏自编码网络 特征扩张 故障诊断
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 123-129
• 页数: 7页
• 分类号: TP277
• 字数: 5387字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.10.022

摘要

针对永磁同步电机匝间短路和永磁体失磁故障因处理复杂、特征独立单一和样本稀少等因素引起的诊断偏差问题,提出一种基于深度学习变分自编码网络的故障特征样本快速扩展策略及融合稀疏自编码网络的故障诊断方法.通过组合永磁同步电机频域电流、磁通密度、电磁转矩特征,结合变分自编码网络的生成模型实现故障真实样本扩张,构建丰富、多样、更具鲁棒性的训练集合.将优化数据集输入稀疏自编码网络训练诊断模型,用测试数据验证网络的优劣.实验结果表明,相比传统故障诊断方法,该算法能更加高效快速地实现匝间短路及失磁故障诊断.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李垣江	江苏科技大学电子信息学院	39	92	5.0	8.0
3	魏海峰	江苏科技大学电子信息学院	99	200	7.0	10.0
7	张周磊	江苏科技大学电子信息学院	2	3	1.0	1.0
8	李梦含	江苏科技大学电子信息学院	2	3	1.0	1.0