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
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
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
早期故障诊断方法
变量
滑动时间窗口
数据
协方差矩阵
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
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