基于残差卷积网络的多传感器融合永磁同步电机故障诊断

摘要：

作为工业生产与日常生活的常见设备,永磁同步电机的故障诊断研究具有十分重要的意义.以永磁同步电机的匝间短路、退磁、轴承故障为诊断目标,提出一种新型的多传感器特征融合网络(MSFFN),结合多传感器融合技术与卷积神经网络实现永磁同步电机的可靠故障诊断.网络采用2个带有残差模块的卷积神经网络,对输入的电流信号与振动信号并行提取隐藏特征,并设计一种中间特征融合模块(IFFM)有效融合电流和振动的各层隐藏特征,IFFM基于注意力机制对网络中的电流特征与振动特征进行筛选,自适应关注不同信号的内在相关特征,以实现更好的诊断效果.搭建了故障样机测试平台进行数据采集与实验验证,实验结果表明,提出方法具有更高的诊断准确率,同时在叠加了强噪声的条件下,具备更强的抗干扰能力.

关键词：多传感器融合、卷积神经网络、中间特征融合模块、残差模块、永磁同步电机、故障诊断

所属期刊栏目：28

分类号：TM351(电机)

资助基金：国家重点研发计划;浙江省尖兵领雁研发攻关计划

在线出版日期：2024-09-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：24-33,42