基于模型残差与机器学习集成的异步电机故障诊断装置

本发明公开了基于模型残差与机器学习集成的异步电机故障诊断装置，涉及工业设备状态监测技术领域。本发明方案基于电机状态空间模型，根据输入电压信号生成电流估计值，利用子空间辨识算法对状态空间模型参数进行更新，将实测电流与估计电流的差值转换为三相残差信号进行快速傅里叶变换，将其转换为频域信号，根据异步电机的故障特征频率理论，提取残差频谱中的特征频率幅值，计算各项特征频率的统计阈值，当获取的特征频率幅值超过统计阈值时，输出故障标识信号，利用故障特征频率数据构建故障特征频率数据库，以残差特征为输入，以对应的故障类型标签为输出构建用于故障分类的神经网络模型，输出故障标识信号的故障类型。