-
题名多信号特征融合机制的永磁同步电机故障诊断方法
- 1
-
-
作者
宋开元
辛现伟
-
机构
郑州旅游职业学院信息工程学院
河南师范大学计算机与信息工程学院
-
出处
《现代制造工程》
北大核心
2025年第10期127-137,158,共12页
-
基金
河南省科技攻关项目(232102210077)。
-
文摘
针对永磁同步电机在多故障场景下特征提取不充分、时间依赖关系难捕捉及类别不平衡等问题,在1D卷积神经网络(1D Convolutional Neural Network,1D-CNN)基础上,提出了一种基于多信号特征融合机制的永磁同步电机故障诊断方法。首先,通过多尺度卷积与动态残差连接构建了高效的振动信号和温度信号的特征提取模块,旨在捕捉不同频段的关键信息,增强特征提取的完整性;然后,引入时空门控循环单元与双向注意力机制,充分挖掘电流信号中的多层次时序依赖关系,强化对复杂故障特征的识别能力;最后,利用多信号特征融合与自适应多目标优化损失函数,有效平衡各类样本贡献,并优化了特征空间分布。实验结果表明,提出的改进方法与原始的1D卷积神经网络相比,在不同转速下均具有更高的故障诊断精度和更优的适应性,检测精度、召回率和mAP分别提升了2.3%、1.9%和2.3%,有效解决了多故障类型识别准确率与鲁棒性不足的问题。
-
关键词
永磁同步电机
故障诊断
多尺度卷积
动态残差连接
信号融合
损失函数
注意力机制
-
Keywords
permanent magnet synchronous motor
fault diagnosis
multi-scale convolution
dynamic residual connection
signal fusion
loss function
attention mechanism
-
分类号
TH133.33
[机械工程—机械制造及自动化]
TP18
[自动化与计算机技术—控制理论与控制工程]
-
