一种基于二元信息融合和EMC-Net的永磁电机小样本退磁故障诊断方法

本发明公开了一种基于二元信息融合和EMC‑Net的永磁电机小样本退磁故障诊断方法：在所提方案中，通过采用压缩感知对电机的定子电流与转矩时序数据执行压缩和重构，以实现有限数据样本的扩张生成，同时克服故障数据匮乏问题。进一步，提出了一种多源视觉异构信息融合策略，该策略利用二维映射算法将时序数据进行可视化，以避免复杂的信号处理过程，并根据视觉显著性与加权最小二乘理论对多源视觉异构数据进行融合，进而实现退磁特征的增强与互补。最后，设计了一种EMC‑Net故障诊断与辨识模型。该模型以ConvNeXt为基础架构，通过嵌入高效多尺度注意力机制，使网络可自适应的锁定输入数据中潜在的关键故障信息，同时利用并行子网络结构有效捕捉不同尺度的退磁特征，从而显著提升故障诊断性能。