一种基于深度学习的异步电动机故障诊断方法技术

技术编号:21735285 阅读:51 留言:0更新日期:2019-07-31 18:52
本发明专利技术公开了一种基于深度学习的异步电动机故障诊断方法,包含以下步骤:A、搭建异步电动机运转的模拟实验平台;B、对模拟出的电机故障状态进行电流信号和振动信号的采集;C、提取采集到数据的内在特征并进行相应的标签,完成数据集的构建;D、构建基于栈式编码器的故障诊断模型;依次训练该网络和分类器;E、利用构造的数据集对搭建的深度神经网络进行训练,并结合模拟实验平台对所提出的故障诊断方法进行验证。本发明专利技术引入深度学习理论,设计能够准确的、灵敏的、有效的诊断异步电动机复杂故障的系统,解决异步电动机故障诊断上存在的问题,适应不断发展的电力系统的要求。

A Fault Diagnosis Method of Asynchronous Motor Based on Deep Learning

The invention discloses a fault diagnosis method for asynchronous motor based on in-depth learning, which includes the following steps: A. building a simulation experimental platform for the operation of asynchronous motor; B. collecting current and vibration signals for the simulated motor fault state; C. extracting the intrinsic characteristics of the collected data and corresponding. Label completes the construction of data sets; D. Build a fault diagnosis model based on stack encoder; train the network and classifier in turn; E. Use the constructed data sets to train the built deep neural network, and validate the proposed fault diagnosis method combined with the simulation experimental platform. The invention introduces in-depth learning theory, designs a system that can accurately, sensitively and effectively diagnose complex faults of asynchronous motors, solves the problems existing in fault diagnosis of asynchronous motors, and meets the requirements of developing power systems.

【技术实现步骤摘要】
一种基于深度学习的异步电动机故障诊断方法
本专利技术涉及一种电脑,具体是一种基于深度学习的异步电动机故障诊断方法。
技术介绍
随着现代科学技术的进步,及生产系统的发展和设备制造水平的提高,电机作为世界上使用最普遍的、数量最多的供电设备和动力机械,几乎占领了所有领域。显而易见,电动机的正常工作对保证生产制造过程中的安全、高效、敏捷、优质及低耗运行意义非常重大。其中异步电动机是各种电动机中应用最广、需求量最大的一种电机。在电网的总负荷中,异步电动机用量占60%以上。它是当今工业生产活动和日常生活中最主要的原动力和驱动装置。目前,异步电动机典型故障为转子断条、定子绕组匝间短路和轴承故障。统计结果表明,这三类故障约占异步电动机故障总数的80%:转子断条故障的发生概率达10%左右,定子绕组匝间短路及其相关故障的发生概率约为30%,而轴承故障约占38%。运行经验表明,转子断条故障将导致电机出力下降,若不能及时发现会使故障进一步扩大;定子绕组匝间短路故障往往导致相间短路或接地短路故障,危害严重;轴承故障可导致电动机不能启动、运行中响声异常、运行振动、运转缓慢、电动机过热甚至烧毁。长期以来,针对电动本文档来自技高网...

【技术保护点】
1.一种基于深度学习的异步电动机故障诊断方法,其特征在于,包含以下步骤:搭建异步电动机运转的模拟实验平台;对模拟出的电机故障状态进行电流信号和振动信号的采集;提取采集到数据的内在特征并进行相应的标签,完成数据集的构建;构建基于栈式编码器的故障诊断模型;依次训练该网络和分类器;利用构造的数据集对搭建的深度神经网络进行训练,并结合模拟实验平台对所提出的故障诊断方法进行验证。

【技术特征摘要】
1.一种基于深度学习的异步电动机故障诊断方法,其特征在于,包含以下步骤:搭建异步电动机运转的模拟实验平台;对模拟出的电机故障状态进行电流信号和振动信号的采集;提取采集到数据的内在特征并进行相应的标签,完成数据集的构建;构建基于栈式编码器的故障诊断模型;依次训练该网络和分类器;利用构造的数据集对搭建的深度神经网络进行训练,并结合模拟实验平台对所提出的故障诊断方法进行验证。2.根据权利要求1所述的一种基于深度学习的异步电动机故障诊断方法,其特征在于,所述步骤A中的模拟实验平台由计算机、负载控制器、异步电机、转速计、电流传感器、加速度传感器和NI数据采集卡组成。3.根据权利要求1所述的一种基于深度学习的异步电动机故障诊断方法,其特征在于,所述电流信号通过电流传感器和加速...

【专利技术属性】
技术研发人员:袁丽英问天宇
申请(专利权)人:哈尔滨理工大学
类型:发明
国别省市:黑龙江,23

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1