基于二维卷积神经网络的BLDCM驱动系统故障检测方法

• 作者: 孙权 于翔海 李宏胜 黄家才 樊冀生
• 来源期刊: 电源学报
• 学科: 工学
• 关键词: 故障检测 自适应特征提取 二维卷积神经网络 无刷直流电机 逆变器
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 电机驱动|Motor Drives
• 页码范围: 180-187
• 页数: 8页
• 分类号: TM46
• 语种: 中文
• DOI: 10.13234/j.issn.2095-2805.2022.1.180

摘要

针对无刷直流电机驱动系统功率开关管故障诊断存在由于特征提取效果差而导致识别准确率低等问题,提出一种基于二维卷积神经网络2D-CNN(two-dimensional convolution neural network)自适应特征提取的故障检测方法,避免人工提取特征的复杂性及不确定性.以相电流作为故障敏感信号进行FFT预处理,并将一维数据转换为矩阵形式作为2D-CNN的输入数据,然后利用Adam优化的softmax分类器对2D-CNN提取的故障特征进行分类,实现逆变器不同故障模式的状态识别.实验结果表明,2D-CNN模型在不同工况、不同故障模式下的故障诊断准确率均优于多层感知机MLP(multi-layer perceptron)和堆栈去噪自动编码器SDAE(stacked denoising auto encoder)方法.实验结果验证了所提方法的有效性和准确性,可为功率变换系统健康状态评估奠定理论基础.