公开(公告)号：CN117171607A

公开(公告)日：2023-12-05

申请号：CN202210461826.2

申请日：2022-04-28

Applicant: 南京理工大学

Inventor： 陈龙淼 ,  王佳浩 ,  王满意 ,  徐亚栋 ,  孙乐 ,  邹权 ,  陈光宋

IPC: G06F18/24 ,  G06N3/0455 ,  G06N3/0475 ,  G06N3/09 ,  G06N3/088 ,  G01R31/34 ,  G01R31/52 ,  G01R31/72

Abstract: 本发明公开了一种基于深度学习的永磁同步电机故障诊断方法，利用改造后的生成对抗网络对故障数据扩张，在数据集加入损伤噪声后输入深度稀疏自编码网络结合softmax分类器实现电机匝间短路故障的分类。该方法包括如下步骤：1)采集电机不同程度匝间短路的三相定子电流信号和零序电压信号，组建数据集；2)搭建自编码器模型；3)将自编码器作为生成对抗网络的生成模型，采集的正常数据作为生成模型输入，完成故障数据的扩张；4)将扩张后数据集按设定比例划分成训练集和测试集；5)无监督学习与有监督微调有机结合训练深度稀疏自编码网络，结合分类器实现匝间短路故障的分类。通过对比验证，本发明比同类方法有更高的适用性及可行性。