一种基于CGAN-CNN的同步电机转子绕组匝间短路故障诊断方法

• 作者: 李俊卿 李斯璇 陈雅婷 王振兴 何玉灵
• 来源期刊: 电力自动化设备
• 关键词: 同步电机 条件生成式对抗网络 卷积神经网络 生成样本 转子绕组匝间短路故障 故障诊断
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 分析与研究|ANALYSIS AND RESEARCH ANALYSIS AND RESEARCH
• 页码范围: 169-174
• 页数: 6页
• 分类号: TM341
• 语种: 中文
• DOI: 10.16081/j.epae.202105020

摘要

由于同步电机故障样本数量较少,为解决同步电机故障诊断中普遍存在的样本不平衡问题,提出了一种基于条件生成式对抗网络(CGAN)和卷积神经网络(CNN)的同步电机转子绕组匝间短路故障诊断方法.首先,对传感器收集到的数据进行预处理,对正常样本和故障样本分别添加标签后输入CGAN中生成大量新样本,将生成的新样本与原始样本混合并划分训练集和测试集;然后,利用CNN训练平衡后的数据集,充分、精准地提取有效故障特征;最后,在输出端利用Softmax分类器输出故障分类结果.通过实验证明,与非平衡数据集相比,利用平衡数据集后的故障识别准确率十分稳定且达到99.5％以上,同时与平衡的原始样本数据相比,生成样本避免了噪声和其他干扰,故障诊断的准确率也更高.