基于特征选择和多尺度残差网络的匝间短路故障诊断方法

AITNT
正文
推荐专利
基于特征选择和多尺度残差网络的匝间短路故障诊断方法
申请号:CN202411640332
申请日期:2024-11-18
公开号:CN119149984B
公开日期:2025-01-28
类型:发明专利
摘要
本发明公开了一种基于特征选择和多尺度残差网络的匝间短路故障诊断方法,属于电机故障诊断领域,包括以下步骤:收集永磁同步电机内部绝缘故障中匝间短路故障条件下的永磁同步电机的电流信号,对电流信号进行预处理,得到训练集和测试集;构建永磁同步电机匝间短路故障诊断模型,采用训练集对永磁同步电机匝间短路故障诊断模型训练后,保留永磁同步电机匝间短路故障诊断模型的最优结构;将测试集放入训练好的永磁同步电机匝间短路故障诊断模型中进行特征学习,然后再输入Softmax分类器中进行故障诊断。本发明可自动、高效地提取电流信号中的微弱故障特征,摆脱了对传统信号处理技术和诊断经验的依赖,对含有噪声的信号具有良好的鲁棒性。
技术关键词
短路故障诊断方法 故障诊断模型 三相永磁同步电机 特征选择 卷积残差网络 Softmax分类器 匝间短路故障 多尺度框架 统计特征 谐波 Softmax函数 定子绕组故障 电机故障状态 电流
系统为您推荐了相关专利信息
1
一种基于改进后MobileNetV3-AHFF网络的行星齿轮箱故障诊断方法
行星齿轮箱故障 振动加速度信号 故障诊断模型 半监督学习 邻域
2
一种农产品农药残留高效检测方法及系统
农产品农药残留 高效检测方法 数据 独立成分分析算法 门控循环单元
3
一种基于共同趋势模型的非平稳过程早期故障诊断方法
早期故障诊断方法 变量 滑动时间窗口 数据 协方差矩阵
4
一种红外小目标检测模型构建方法及应用
检测模型构建方法 卷积特征提取 特征选择 图像重建 注意力
5
一种基于深度学习的Hive on Tez作业异常检测方法及系统
数据 异常检测方法 特征选择机制 动态变化特征 包裹式特征选择
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号