-
公开(公告)号：CN114089231A
公开(公告)日：2022-02-25
申请号：CN202111289349.8
申请日：2021-11-02
Applicant: 湖南大学
IPC: G01R33/02 , G01R33/07 , H02K11/215
Abstract: 本发明公开了一种磁传感器模组、印制永磁同步电机及其应用方法，本发明的磁传感器模组包括模组载体和分别布置在模组载体上的磁传感单元以及两个加法器电路，磁传感单元包括与永磁同步电机极对数相同的多个磁传感器对，磁传感器对在数量、空间上成对偶关系，每一个磁传感器对均包含两类磁传感器且两者漏磁信号相位相差90°，各个磁传感器对的同一类磁传感器的输出端分别与同一个加法器电路的输入端相连。本发明可使得电机有更多的动力传输空间，不会给电机带来额外的负载，可直接集成于印制同步电机的外壳外部或定子上；同时输出信号为模拟信号、绝对式编码，可直接确定初始转子位置角以及高精度编码的转子位置。
-
公开(公告)号：CN114400940A
公开(公告)日：2022-04-26
申请号：CN202111547348.9
申请日：2021-12-16
Applicant: 湖南大学
Abstract: 本发明公开了一种电动汽车用永磁驱动电机退磁故障诊断方法及电动汽车，本发明方法包括采集电动汽车用永磁驱动电机的漏磁信号；将漏磁信号通过小波变换转换为二维小波时频图；将二维小波时频图进行自编码特征提取得到特征向量1、将二维小波时频图进行最大稳定极值区域特征提取得到特征向量2；将特征向量1、特征向量2输入预先训练好的机器学习模型，得到电动汽车用永磁驱动电机的退磁故障诊断结果。本发明能够提取更为有效的故障高维特征，将电动汽车用永磁驱动电机的退磁故障诊断转换到更为直观的图像处理，且通过两类特征的融合，可提升故障高维特征的全面性和准确性，可提高电动汽车用永磁驱动电机的退磁故障诊断的准确性。
-
公开(公告)号：CN114254674A
公开(公告)日：2022-03-29
申请号：CN202111544846.8
申请日：2021-12-16
Applicant: 湖南大学
Abstract: 本发明公开了一种基于半监督分类器的永磁同步电机退磁故障诊断方法及系统，本发明方法包括采集永磁同步电机表面的漏磁信号；将一维时域的漏磁信号进行对称点阵图像生成，得到二维的对称点阵图像；将对称点阵图像输入小波散射卷积网络进行特征提取，得到特征向量；将特征向量输入预先训练好的半监督深度规则分类诊断器，得到退磁故障诊断结果。本发明将一维时域信号拓展到了二维的对称点阵图像，避免了复杂的信号处理，基于半监督深度规则分类器可以实现小样本数据下准确的故障诊断，解决了实际设备在故障诊断中因为数据量少，而无法推广应用的难题。
-
公开(公告)号：CN114254674B
公开(公告)日：2024-09-10
申请号：CN202111544846.8
申请日：2021-12-16
Applicant: 湖南大学
IPC: G06F18/2431 , G06F18/2131 , G06V10/44 , G06V10/82 , G06V10/764 , G01R31/34
Abstract: 本发明公开了一种基于半监督分类器的永磁同步电机退磁故障诊断方法及系统，本发明方法包括采集永磁同步电机表面的漏磁信号；将一维时域的漏磁信号进行对称点阵图像生成，得到二维的对称点阵图像；将对称点阵图像输入小波散射卷积网络进行特征提取，得到特征向量；将特征向量输入预先训练好的半监督深度规则分类诊断器，得到退磁故障诊断结果。本发明将一维时域信号拓展到了二维的对称点阵图像，避免了复杂的信号处理，基于半监督深度规则分类器可以实现小样本数据下准确的故障诊断，解决了实际设备在故障诊断中因为数据量少，而无法推广应用的难题。
-
Patent Agency Ranking
公开(公告)号：CN114358077B
公开(公告)日：2024-08-20
申请号：CN202111674484.4
申请日：2021-12-31
Applicant: 湖南大学
IPC: G06F18/243 , G06F18/213 , G06F18/25 , G01R31/34 , G01R33/12
Abstract: 本发明公开了一种永磁同步电机退磁故障诊断模型构建方法及故障诊断方法和系统，并适用于多工况和变工况，其中，本发明所述方法将电机表面漏磁信号作为故障诊断的原始信号，并将其拓展为对称点阵图像，进而提取对称点阵图像的多类局部高层特征，并进行融合，最后利用融合后的特征构建分类器，尤其是优选构建模糊多模型分类器进行故障诊断，可以有效提高故障诊断结果的精度，其中，对称点阵图像对工况具备较强的不变适应性，并通过图像的多类局部高层特征的融合提升了特征的有效性，进一步保证了模型的准确性，高精度识别退磁故障，有效解决了多工况和变工况下永磁同步电机退磁故障诊断的难题。
-
公开(公告)号：CN114400940B
公开(公告)日：2023-06-13
申请号：CN202111547348.9
申请日：2021-12-16
Applicant: 湖南大学
Abstract: 本发明公开了一种电动汽车用永磁驱动电机退磁故障诊断方法及电动汽车，本发明方法包括采集电动汽车用永磁驱动电机的漏磁信号；将漏磁信号通过小波变换转换为二维小波时频图；将二维小波时频图进行自编码特征提取得到特征向量1、将二维小波时频图进行最大稳定极值区域特征提取得到特征向量2；将特征向量1、特征向量2输入预先训练好的机器学习模型，得到电动汽车用永磁驱动电机的退磁故障诊断结果。本发明能够提取更为有效的故障高维特征，将电动汽车用永磁驱动电机的退磁故障诊断转换到更为直观的图像处理，且通过两类特征的融合，可提升故障高维特征的全面性和准确性，可提高电动汽车用永磁驱动电机的退磁故障诊断的准确性。
-
公开(公告)号：CN114358077A
公开(公告)日：2022-04-15
申请号：CN202111674484.4
申请日：2021-12-31
Applicant: 湖南大学
Abstract: 本发明公开了一种永磁同步电机退磁故障诊断模型构建方法及故障诊断方法和系统，并适用于多工况和变工况，其中，本发明所述方法将电机表面漏磁信号作为故障诊断的原始信号，并将其拓展为对称点阵图像，进而提取对称点阵图像的多类局部高层特征，并进行融合，最后利用融合后的特征构建分类器，尤其是优选构建模糊多模型分类器进行故障诊断，可以有效提高故障诊断结果的精度，其中，对称点阵图像对工况具备较强的不变适应性，并通过图像的多类局部高层特征的融合提升了特征的有效性，进一步保证了模型的准确性，高精度识别退磁故障，有效解决了多工况和变工况下永磁同步电机退磁故障诊断的难题。
-
公开(公告)号：CN112541524B
公开(公告)日：2024-04-02
申请号：CN202011294362.8
申请日：2020-11-18
Applicant: 湖南大学
IPC: G06F18/214 , G06F18/241 , G06F17/16 , G06F17/14 , G01R31/34
Abstract: 本发明公开了一种基于注意力机制改进的BP‑Adaboost多源信息电机故障诊断方法，包括获取被诊断电机获取P种传感器的时域数据；进行降采样然后再通过Hilbert变换和FFT变换提取频率幅值和相位作为输入特征，将P种传感器的输入特征输入预先训练好的基于注意力机制改进的BP‑Adaboost分类器得到电机的状态。本发明利用基于注意力机制改进的BP‑Adaboost，对不同来源的数据信息进行单独学习训练，形成不同次级分类器的初步诊断，且通过注意力机制将故障诊断方法聚焦到重点测量手段信息，以此来提升信息筛选和判别的能力，并得到最终诊断结果，大大提高电机系统的故障诊断的稳定性和精度。
-
公开(公告)号：CN112541524A
公开(公告)日：2021-03-23
申请号：CN202011294362.8
申请日：2020-11-18
Applicant: 湖南大学
Abstract: 本发明公开了一种基于注意力机制改进的BP‑Adaboost多源信息电机故障诊断方法，包括获取被诊断电机获取P种传感器的时域数据；进行降采样然后再通过Hilbert变换和FFT变换提取频率幅值和相位作为输入特征，将P种传感器的输入特征输入预先训练好的基于注意力机制改进的BP‑Adaboost分类器得到电机的状态。本发明利用基于注意力机制改进的BP‑Adaboost，对不同来源的数据信息进行单独学习训练，形成不同次级分类器的初步诊断，且通过注意力机制将故障诊断方法聚焦到重点测量手段信息，以此来提升信息筛选和判别的能力，并得到最终诊断结果，大大提高电机系统的故障诊断的稳定性和精度。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.017 seconds)
