[發(fā)明專利]一種基于深度學(xué)習(xí)的永磁同步電機故障診斷方法

在審

• 申請?zhí)枺?/td>: 202010928125.6
• 申請日: 2020-09-07
• 公開（公告）號: CN112052796A
• 公開（公告）日: 2020-12-08
• 發(fā)明（設(shè)計）人: 陳勇;梁思遠;王成棟;陳章勇;李猛;劉越智
• 申請（專利權(quán)）人: 電子科技大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08;G01R31/72;G01R31/54;G01R31/52;G01R31/34;G01R15/20;G01M15/00;G01M13/045;G01M13/04;G01M13/00;G01H11/08
• 代理公司: 成都行之專利代理事務(wù)所(普通合伙) 51220
• 代理人: 溫利平

1.一種基于深度學(xué)習(xí)的永磁同步電機故障診斷方法，其特征在于，包括如下步驟：

步驟1，通過電流傳感器、振動傳感器和聲音傳感器分別采集永磁同步電機的定子電流信號、振動信號和噪聲信號；

步驟2，對采集的信號進行預(yù)處理，實行降噪；

步驟3，提取信號的時域、頻域和時頻特征，組建數(shù)據(jù)庫進行大數(shù)據(jù)分析；

步驟4，基于特征大數(shù)據(jù)訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)模型；

步驟5，利用完成的基于深度學(xué)習(xí)的人工智能識別系統(tǒng)診斷永磁同步電機故障類型及狀態(tài)。

2.根據(jù)權(quán)利要求1所述基于深度學(xué)習(xí)的永磁同步電機故障診斷方法，其特征在于：步驟1所述永磁同步電機的故障類型分別為：定子繞組開路故障、不同嚴重程度的定子繞組短路故障、偏心、退磁、轉(zhuǎn)軸彎曲、軸承故障等。

3.根據(jù)權(quán)利要求1所述基于深度學(xué)習(xí)的永磁同步電機故障診斷方法，其特征在于：步驟3所述提取的信號特征包括時域、頻域和時頻特征，并針對不同電機、不同信號組建綜合的電機故障信號數(shù)據(jù)庫，進行大數(shù)據(jù)分析。

4.根據(jù)權(quán)利要求1所述基于深度學(xué)習(xí)的永磁同步電機故障診斷方法，其特征在于：步驟3所述的時域特性包括，電流信號的峰值、均值、均方根，振動和噪聲信號的峰值指標、峭度指標、脈沖指標、裕度指標等。頻域特性包括，頻域信號分別在基頻、諧波頻率和故障特征頻率范圍內(nèi)的幅值、能量、功率等。時頻特性包括，特定信號的頻率成份和出現(xiàn)的時間位置。

5.根據(jù)權(quán)利要求1所述基于深度學(xué)習(xí)的永磁同步電機故障診斷方法，其特征在于：步驟4所述的基于特征大數(shù)據(jù)訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)模型，是通過建立深度神經(jīng)網(wǎng)絡(luò)模型，利用大數(shù)據(jù)進行訓(xùn)練，理解不同故障類型和狀態(tài)分別在原始信號、頻譜圖和時頻圖中對應(yīng)的特征，完成對數(shù)據(jù)的正確識別和分類。

6.根據(jù)權(quán)利要求1所述基于深度學(xué)習(xí)的永磁同步電機故障診斷方法，其特征在于，所述步驟5的具體步驟為：采集任一永磁同步電機的任一信號，通過時域、頻域和時頻分析，由基于深度學(xué)習(xí)的人工智能識別系統(tǒng)進行識別，根據(jù)輸出結(jié)果判斷永磁同步電機是否故障及相應(yīng)的故障類型和嚴重程度，同時加入數(shù)據(jù)庫，在實際操作中積累大數(shù)據(jù)，提高人工智能識別系統(tǒng)的準確性。