申请/专利权人：南京理工大学

申请日：2023-12-15

公开（公告）日：2024-04-26

公开（公告）号：CN117929998A

主分类号：G01R31/34

分类号：G01R31/34;G06F18/00;G06F18/10;G06N3/0464;G06N3/048;G06N3/047;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.14#实质审查的生效;2024.04.26#公开

摘要：本发明公开一种永磁同步电机不同工况和不同噪声环境下的电气故障诊断方法，利用零序电压分量和三相定子电流作为网络输入，构建多分辨率卷积网络，提取多层感知信息，实现故障判别。使用仿真软件生成包含34种状态的仿真数据，构建仿真数据集。采集真实实验情况下34种状态的实验数据，构建真实数据集；将仿真数据集与真实数据集划分为三个子集：训练集、验证集和测试集。搭建多分辨率网络，提取故障特征，实现故障分类；在数据中添加高斯噪声和拉普拉斯噪声验证网络对噪声的鲁棒性。本发明首次实现使用深度学习方法在不同工况和不同噪声环境下同时诊断电压源逆变器开路故障、定子绕组开路故障和匝间短路故障。

主权项：1.一种PMSM不同工况不同噪声环境下的电气故障诊断方法，其特征在于，包括如下步骤：步骤1，通过仿真软件搭建永磁同步电机正常、匝间短路与开路故障模型，在不同的转速和负载下，分别对34种状态进行零序电压分量和定子三相电流采集，构建仿真数据集，并将其划分为仿真训练集、仿真验证集和仿真测试集；步骤2，通过搭建永磁同步电机故障实验台，在不同的转速和负载下，分别对34种状态进行零序电压分量和定子三相电流采集，构建真实数据集，并将其划分为真实训练集、真实验证集和真实测试集；步骤3，对仿真数据集和真实数据集均进行Z-分数归一化预处理，有效降低噪声的干扰，增强对故障特征的提取能力，得到预处理后的归一化数据集；步骤4，构建多分辨率网络：所述多分辨率网络包括特征提取层、特征加权层和分类层；首先搭建多分辨率网络的特征提取层，上述特征提取层采用多尺度卷积核的策略，构建两个相似的阶段，每一个阶段中都能够并行地从输入中提取多尺度特征，其中不同分支的卷积核大小不同；对于不同的卷积核，卷积从原始信号中提取不同尺度的信息；之后，将不同分支的卷积输出进行拼接，得到不同时间尺度的互补信息；为了综合利用这些互补信息，将不同尺度的特征进行卷积操作，输出综合特征；其次，搭建多分辨率网络的特征加权层，上述特征加权层既能够使网络关注重要特征，提高网络的表征能力，又能够改变网络的输出大小，从而减少分类器的模型输入，降低整个模型的运算量；特征加权层分为两个模块，一个为空间注意力模块，另一个为通道注意力模块，输出经过特征加权后的加权特征；最后，搭建多分辨率网络的分类层；上述分类层由1个全连接层和Softmax函数构成，将加权特征输入分类层后，输出每种状态的分类概率，实现故障辨识；步骤5，设置多分辨率网络的超参数，选取合适的学习率、批大小、优化算法和损失函数，为使用归一化数据集训练多分辨率网络模型做准备；步骤6，利用预处理后的归一化仿真训练集和测试集训练多分辨率网络，得到训练好的多分辨率网络模型，将预处理后的归一化仿真验证集输入训练好的多分辨率网络模型，测试训练好的多分辨率网络模型的准确率，验证使用零序电压分量和定子三相电流诊断永磁同步电机正常状态和33中故障状态的可行性；步骤7，利用预处理后的归一化真实训练集和测试集训练多分辨率网络，得到训练好的多分辨率网络模型，将预处理后的归一化真实验证集输入训练好的多分辨率网络模型，测试训练好的多分辨率网络模型的准确率，验证使用零序电压分量和定子三相电流诊断永磁同步电机正常状态和33中故障状态的有效性；步骤8，在归一化真实验证集中添加不同强度的高斯噪声和拉普拉斯噪声来验证多分辨率网络模型的鲁棒性。

全文数据：

权利要求：

百度查询： 南京理工大学 PMSM不同工况不同噪声环境下的电气故障诊断方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD