【技术实现步骤摘要】
本专利技术属于电机故障诊断，具体涉及一种基于改进迁移学习模型的电机故障诊断方法及装置。
技术介绍
1、电机是一种重要的机电设备，可以将电能和机械能二者相互转换，在电力传动、交通运输、伺服控制等诸多工业领域有着十分重要的地位。因此，保障电机运行的安全性和可靠性具有非常重要的意义。正常运行的电机会产生各种各样的特征信号，比如说电流、温度、振动量等物理量都可以作为电机性能和运行状况的表征，随着人工智能和深度学习的不断发展，基于传感器信号的智能诊断技术不断涌现。然而，单个传感器获得的数据有限，容易受到传感器本身的影响，难以反映设备在运行中的全部特性依靠单一的传感器信号进行故障诊断往往难以达到预期的识别效果。
技术实现思路
1、为解决现有技术中的不足，本专利技术提供一种基于改进迁移学习模型的电机故障诊断方法及装置，通过对电机运行时的多源异质信号进行变换融合，有效提高了电机故障的诊断效率和准确率。
2、为达到上述目的，本专利技术所采用的技术方案是：
3、第一方面，提供一种基于改...
【技术保护点】
1.一种基于改进迁移学习模型的电机故障诊断方法，其特征在于，包括：
2.根据权利要求1所述的基于改进迁移学习模型的电机故障诊断方法，其特征在于，对三轴振动加速度信号时频图和三相电流信号时频图进行图像融合，得到融合图像，包括：
3.根据权利要求2所述的基于改进迁移学习模型的电机故障诊断方法，其特征在于，对三轴振动加速度信号时频图和三相电流信号时频图的不同层次子带系数，采用设定的融合规则进行融合，包括：
4.根据权利要求1所述的基于改进迁移学习模型的电机故障诊断方法，其特征在于，改进迁移学习模型EfficientNetV2-M0，是在迁...
【技术特征摘要】
1.一种基于改进迁移学习模型的电机故障诊断方法，其特征在于，包括：
2.根据权利要求1所述的基于改进迁移学习模型的电机故障诊断方法，其特征在于，对三轴振动加速度信号时频图和三相电流信号时频图进行图像融合，得到融合图像，包括：
3.根据权利要求2所述的基于改进迁移学习模型的电机故障诊断方法，其特征在于，对三轴振动加速度信号时频图和三相电流信号时频图的不同层次子带系数，采用设定的融合规则进行融合，包括：
4.根据权利要求1所述的基于改进迁移学习模型的电机故障诊断方法，其特征在于，改进迁移学习模型efficientnetv2-m0，是在迁移学习模型efficientnetv2的m版本的基础上，通过优化倍率因子、引入dbb模块、引入mca注意力机制、改进损失函数得到的；
5.根据权利要求4所述的基于改进迁移学习模型的电机故障诊断方法，其特征在于，优化倍率因子，包括：将迁移学习模型efficientnetv2的b0版本中的倍率因子与迁移学习模型efficientnetv2的m版本的网络结构相结合，生成改进迁移学习模型efficientnetv2-m0，在提高模型准确率的同时降低effcientnetv2-m中的模型参数量和计算复杂度。
6.根据权利要求5所述的基于改进迁移学习模型的电...
【专利技术属性】
技术研发人员：孙宁，朱思成，蒋亮，王松雷，王海军，陈江，汤家辉，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：
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。