基于仿真数据和CNN-GAP-CBAM模型的电机速度异常故障诊断方法技术

本发明专利技术公开了一种基于仿真数据和CNN‑GAP‑CBAM模型的电机速度异常故障诊断方法，以CBAM注意力机制和CNN‑GAP神经网络构建模型，显著提升了故障特征提取和诊断能力；CBAM机制通过空间和通道关注机制，优化了模型对关键特征区域和通道的聚焦，提升了局部异常和重要通道的特征表达能力，从而提高了故障诊断的精度；CNN‑GAP通过多层卷积核提取电机故障信号的局部故障特征，在经过全局平均池化层的特征压缩降维，保留关键的故障信息。从而提升了模型的故障诊断精度，解决了实际生产中故障数据可能难以有效采集的问题，能够有效应对高维数据复杂特性、无法充分捕捉与故障相关的关键特征信息导致的诊断效果差、以及诊断结果的全面性和可靠性差的问题。

【技术实现步骤摘要】

本专利技术属于电机故障诊断，具体的为一种基于仿真数据和cnn-gap-cbam模型的电机速度异常故障诊断方法。

技术介绍

1、在当今制造业快速发展的大环境下，焊接机器人作为工业自动化的重要组成部分，在汽车制造、航空航天、船舶制造等多个领域得到了广泛应用。焊接机器人关节驱动方式主要为电机驱动，工业机器人制造商如abb、kuka、fanuc等普遍采用永磁同步电机(pmsm)作为关节驱动电机。然而，焊接机器人电机在长期运行中不可避免地会遇到各种故障问题，其中电机转速过快占比较大，严重时甚至引发人员伤亡事故。因此，及时诊断电机速度过快故障对于保障焊接机器人的安全运行具有重要意义。

2、在工业互联网、计算机技术和人工智能快速发展的背景下，传统的人工故障诊断正逐步被智能故障诊断取代，基于数据驱动的故障诊断方法逐步成为电机等旋转机械故障诊断领域的解决方案之一。通过大量历史故障数据进行分析和建模，基于数据驱动的故障诊断方法可以实现故障的自动分类和诊断。传统的数据驱动方法通常依赖对原始数据的特征提取，再利用支持向量机、多层感知机或决策树等算法对故障进行分类。...

【技术保护点】

1.一种基于仿真数据和CNN-GAP-CBAM模型的电机速度异常故障诊断方法，其特征在于：包括如下步骤：

2.根据权利要求1所述基于仿真数据和CNN-GAP-CBAM模型的电机速度异常故障诊断方法，其特征在于：所述步骤一中，速度过快故障状态运行工况的模拟方法为：在正常情况下添加速度阶跃信号模拟速度过快电流信号。

3.根据权利要求1所述基于仿真数据和CNN-GAP-CBAM模型的电机速度异常故障诊断方法，其特征在于：所述步骤二中，数据去噪的方法步骤为：

4.根据权利要求1所述基于仿真数据和CNN-GAP-CBAM模型的电机速度异常故障诊断方法，其特征在于...

【技术特征摘要】

1.一种基于仿真数据和cnn-gap-cbam模型的电机速度异常故障诊断方法，其特征在于：包括如下步骤：

2.根据权利要求1所述基于仿真数据和cnn-gap-cbam模型的电机速度异常故障诊断方法，其特征在于：所述步骤一中，速度过快故障状态运行工况的模拟方法为：在正常情况下添加速度阶跃信号模拟速度过快电流信号。

3.根据权利要求1所述基于仿真数据和cnn-gap-cbam模型的电机速度异常故障诊断方法，其特征在于：所述步骤二中，数据去噪的方法步骤为：

4.根据权利要求1所述基于仿真数据和cnn-gap-cbam模型的电机速度异常故障诊断方法，其特征在于：所述步骤二中，数据分割的方法为：按照设定长度采用滑动窗口的方法进行分割，以便于模型输入；数据归一化的方法为：采用全局归一化算法对数据进行归一化处理，归一化后的数据范围在[0,1]；数据增强的方法为：通过包括时序缩放和幅值扰动的方式增加数据的多样性，提升模型泛化能力。

5.根据权利要求1所述基于仿真数据和cnn-gap-cbam模型的电机速度异常故障诊断方法，其特征在于：所述步骤三中，所述cnn-gap-cbam故障诊断模型包括cnn-gap神经网络，所述cnn-gap神经网络包括依次设置的：

6.根据权利要求5所述基于仿真数据和cnn-g...

【专利技术属性】
技术研发人员：金天国，曾冰翔，陈兴龙，张栋梁，毕凤阳，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：