公开(公告)号：CN114881071B

公开(公告)日：2024-07-16

申请号：CN202210392118.8

申请日：2022-04-14

Applicant: 华北电力大学(保定)

Inventor： 李永刚 ,  侯岳佳

IPC: G06F18/24 ,  G06F18/241 ,  G06F18/214 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/08 ,  G01R31/52 ,  G01R31/72 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明提供了一种基于多源信息的同步电机转子绕组匝间短路故障诊断方法，实时采集同步电机工作在正常以及不同转子绕组匝间短路工况下的励磁电流、转子振动和定子振动信号；利用信号‑图像转换方法将上述一维时序信号转化为二维灰度图像；将励磁电流信号、转子振动、定子振动的二维灰度图像分别输入最优二维CNN模型中进行训练，得到单一信号的故障诊断损失函数与诊断准确率，确定基本信任分配；利用多源信息融合算法将上述三种证据体的故障诊断准确率进行决策融合，实现最终诊断。本发明最大程度地保留了原始信号的特征，消除了人工提取特征的影响，显著提升了同步发电机转子绕组匝间短路故障诊断的准确率。

公开(公告)号：CN114861710A

公开(公告)日：2022-08-05

申请号：CN202210393744.9

申请日：2022-04-14

Applicant: 华北电力大学(保定)

Inventor： 李永刚 ,  侯岳佳

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于MSK‑CNN和多源机电信息融合的同步电机故障诊断方法，实时采集同步电机工作在正常以及不同转子绕组匝间短路工况下的相电压、转子振动和定子振动信号，划分为训练集和测试集；确定最优MSK‑CNN模型；将相电压、转子振动、定子振动的原始数据分别输入MSK‑CNN模型中进行训练，经过多尺度特征提取层，将多尺度核提取到的故障特征进行融合并作为各个MSK‑CNN子模型的输出；并将基于三种信号提取到的特征进行融合，实现诊断目的。本发明为同步发电机提供了端到端的故障诊断方案，无需额外的信号处理和专家经验，消除了人工提取特征的影响，同时避免了由于单一传感器故障时导致的漏判、误判等现象发生，同步发电机故障诊断准确率显著提升。

公开(公告)号：CN114881071A

公开(公告)日：2022-08-09

申请号：CN202210392118.8

申请日：2022-04-14

Applicant: 华北电力大学(保定)

Inventor： 李永刚 ,  侯岳佳

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G01R31/52 ,  G01R31/72

Abstract: 本发明提供了一种基于多源信息的同步电机转子绕组匝间短路故障诊断方法，实时采集同步电机工作在正常以及不同转子绕组匝间短路工况下的励磁电流、转子振动和定子振动信号；利用信号‑图像转换方法将上述一维时序信号转化为二维灰度图像；将励磁电流信号、转子振动、定子振动的二维灰度图像分别输入最优二维CNN模型中进行训练，得到单一信号的故障诊断损失函数与诊断准确率，确定基本信任分配；利用多源信息融合算法将上述三种证据体的故障诊断准确率进行决策融合，实现最终诊断。本发明最大程度地保留了原始信号的特征，消除了人工提取特征的影响，显著提升了同步发电机转子绕组匝间短路故障诊断的准确率。