一种永磁同步电机绕组短路识别方法

AITNT
正文
推荐专利
一种永磁同步电机绕组短路识别方法
申请号:CN202411665082
申请日期:2024-11-20
公开号:CN119599065A
公开日期:2025-03-11
类型:发明专利
摘要
本发明属于电机故障识别领域,具体公开了一种永磁同步电机绕组短路识别方法,一种永磁同步电机绕组短路识别方法,包括以下步骤:S1:构建卷积神经网络模型,输入信号为三相电流信号和振动信号;S2:建立至少两个输入通道组并引入空间注意力模块,对三相电流信号和振动信号进行特征提取,将提取后的特征进行拼接;S3:采用公开数据集对卷积神经网络模型进行训练。本发明通过多输入机制,将PMSM的电流和振动信号进行有效分离处理,从而准确地提取样本数据的特征。以电流和振动信号为基础,在卷积神经网络中引入了注意力机制,并采用了多输入策略,以增强网络对信号特征的提取和选择能力。
技术关键词
绕组短路 同步电机 识别方法 卷积神经网络模型 永磁 构建卷积神经网络 积层 采集系统 通道 负载控制器 线性 振动传感器 电流传感器 信号特征 注意力机制 模块 信号处理 数据
系统为您推荐了相关专利信息
1
基于LLC谐振变换器的海上直流风电机组简化模型构建及其应用方法
LLC谐振变换器 风电机组控制器 风电机组变流器 模型构建方法 气动机械
2
基于DSVM的SMPMSM驱动系统简化两阶段模型预测转矩控制方法
模型预测转矩控制方法 定子磁链 电压 逆变器开关频率 扇区
3
基于ALO-OCSVM的电池高维特征异常老化识别方法及装置
识别方法 在线监测识别 电池在线监测 时间段 数据
4
一种基于知识图谱的数据处理方法及装置
关键帧 图谱 数据处理方法 卷积神经网络模型 图像展示产品
5
一种基于注意力机制CNN深度学习模型的QUIC加密视频流量识别方法
数据传输单元 流量识别方法 注意力机制 深度学习模型 加密
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