基于多尺度卷积神经网络多数据融合的同步电机故障诊断策略研究OA
同步电机的状态监测与故障诊断对于保障设备安全稳定运行、降低运维成本以及防止重大事故具有关键意义.在故障扰动状态下,同步电机可能出现非平稳工况,其振动与噪声信号表现出非线性、非平稳特性,这为准确提取电机状态特征带来了显著挑战.为此,提出一种基于多尺度卷积神经网络多数据融合的同步电机带电检测方法,旨在提升电机运行的安全性与诊断可靠性.首先通过声振采集设备采集同步电机运行的振动信号与噪声信号,并使用降噪算法滤除部分噪声;然后进行声振信号的融合,并使用递归图算法将融合后的信号转换为二维的灰度图像;最后通过卷积神经网络进行分类输出.所提策略可准确识别电机故障类型,实现从多源数据到诊断决策的端到端智能化分析.
石贤光;胡丹;于子翔
合肥工业大学电气与自动化工程学院,安徽 合肥 230009国网安徽省电力有限公司电力科学研究院,安徽 合肥 230601合肥工业大学电气与自动化工程学院,安徽 合肥 230009
信息技术与安全科学
同步电机故障诊断卷积神经网络深度学习
《机电信息》 2026 (5)
33-37,5
国网安徽省电力有限公司电力科学研究院科学技术项目(SGAHDK00SPJS2400271)
评论