一种基于深度学习的永磁同步电机故障诊断方法技术

本发明专利技术公开了一种基于深度学习的永磁同步电机故障诊断方法，其中永磁同步电机的主要故障包括定子绕组开路、定子绕组短路、偏心、退磁、转轴弯曲、轴承故障等。该方法通过电流传感器、振动传感器和声音传感器分别采集电机的定子电流信号、振动信号和噪声信号。该方法包括如下步骤：1)信号预处理；2)提取信号的时域、频域和时频特征；3)基于特征大数据训练深度神经网络；4)基于深度学习诊断永磁同步电机的故障类型。本发明专利技术融合了多传感器和多故障特征，比同类方法有更高的适用性。

【技术实现步骤摘要】
一种基于深度学习的永磁同步电机故障诊断方法
本专利技术属于电机状态检测与故障诊断
，更为具体地讲，涉及一种基于深度学习的永磁同步电机故障诊断方法。
技术介绍
永磁同步电机电机结构简单、体积更小、重量更轻，转子无发热问题，且过载能力大、转动惯量小、转矩脉动小，又实现了无刷化，提高了电机的效率。因此永磁同步电机现已广泛应用于电梯、电动汽车和船舶电力推进等领域。然而，由于运行环境复杂和材料寿命、制造缺陷或断续操作等原因，永磁同步电机不可避免地会发生定子绕组匝间短路、偏心、轴承故障等多种故障类型。此外，由于用永磁体代替了励磁绕组，永磁同步电机还会出现特有的退磁故障。这些故障将影响设备的正常使用，严重时甚至会威胁到相关产业的财产和人员安全。因此，对永磁同步电动机的故障进行检测和诊断，以保证系统的稳定性从而减少事故，具有重要的意义。在之前的故障诊断方法研究中，国内专门针对永磁同步电机的研究还比较少，而且大多只研究最常见的定子绕组匝间短路故障，只采集定子电流或振动的单一信号，而很少使用多传感器综合、多特征融合的方法。此外，之前的故障诊断本文档来自技高网...

【技术保护点】
1.一种基于深度学习的永磁同步电机故障诊断方法，其特征在于，包括如下步骤：/n步骤1，通过电流传感器、振动传感器和声音传感器分别采集永磁同步电机的定子电流信号、振动信号和噪声信号；/n步骤2，对采集的信号进行预处理，实行降噪；/n步骤3，提取信号的时域、频域和时频特征，组建数据库进行大数据分析；/n步骤4，基于特征大数据训练深度神经网络模型；/n步骤5，利用完成的基于深度学习的人工智能识别系统诊断永磁同步电机故障类型及状态。/n

【技术特征摘要】
1.一种基于深度学习的永磁同步电机故障诊断方法，其特征在于，包括如下步骤：
步骤1，通过电流传感器、振动传感器和声音传感器分别采集永磁同步电机的定子电流信号、振动信号和噪声信号；
步骤2，对采集的信号进行预处理，实行降噪；
步骤3，提取信号的时域、频域和时频特征，组建数据库进行大数据分析；
步骤4，基于特征大数据训练深度神经网络模型；
步骤5，利用完成的基于深度学习的人工智能识别系统诊断永磁同步电机故障类型及状态。


2.根据权利要求1所述基于深度学习的永磁同步电机故障诊断方法，其特征在于：步骤1所述永磁同步电机的故障类型分别为：定子绕组开路故障、不同严重程度的定子绕组短路故障、偏心、退磁、转轴弯曲、轴承故障等。


3.根据权利要求1所述基于深度学习的永磁同步电机故障诊断方法，其特征在于：步骤3所述提取的信号特征包括时域、频域和时频特征，并针对不同电机、不同信号组建综合的电机故障信号数据库，进行大数据分析。


4.根据权利要求1所述基于...

【专利技术属性】
技术研发人员：陈勇，梁思远，王成栋，陈章勇，李猛，刘越智，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51