基于神经网络的非侵入式电机故障检测方法

摘要：

为了克服传统电机故障检测方法的准确率低、测量过程为侵入式、严重依赖先验知识的缺点,提出了一种基于卷积神经网络的非侵入式电机故障检测方法.通过将电机与其他设备共同工作时的总电源信号作为检测样本,实现检测过程的非侵入式,并基于残差优化卷积网络结构进行神经网络训练,最终实现电机超载、单相短路及相间短路故障的非侵入式检测与分类.结果表明,本文提出的方法可以使故障识别准确率达到96.79％,能够更加快速准确并稳定地实现电机的非侵入式故障诊断.

关键词：卷积神经网络、电机故障诊断、残差网络、非侵入式

所属期刊栏目：22

分类号：TP183;TM343+.2(自动化基础理论)

资助基金：国家自然科学基金61974074

在线出版日期：2022-03-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：2326-2333