科研之友
微信
新浪微博
Facebook
分享链接
摘要
三相逆变器是电动汽车电机驱动系统的重要部件，当出现故障时因发生时间较短导致故障样本规模受限进而造成样本不均衡，为解决上述问题，本文提出一种融合条件生成对抗网络（CGAN）与卷积神经网络（CNN）的逆变器故障诊断方法。首先将相电流作为故障敏感信号，经快速傅立叶变换(FFT)得到其频域特征，并进行归一化预处理；然后将各样本添加标签后输入CGAN模型进行对抗训练，生成各故障模式下的新样本。最后，采用CNN模型实现逆变器各类故障模式判别。通过实验研究，基于CGAN-CNN的故障诊断正确率可达98%以上，从而表明本文所提样本生成方法优于传统SMOTE和GAN方法，为新能源电动汽车智能运维提供理论支撑。
-
单位南京工程学院; 自动化学院
