基于二维卷积神经网络的BLDCM驱动系统故障检测方法

作者：孙权; 于翔海; 李宏胜; 黄家才; 樊冀生

来源：电源学报, 2021, 1-12.

• 故障检测
• 自适应特征提取
• 二维卷积神经网络
• 无刷直流电机
• 逆变器

针对无刷直流电机驱动系统功率开关管故障诊断存在特征提取效果差导致识别准确率低等问题，为此提出一种基于二维卷积神经网络（Two Dimensional Convolution Neural Network，2D-CNN）自适应特征提取的故障检测方法，避免人工提取特征的复杂性及不确定性。以相电流作为故障敏感信号，对其进行FFT预处理并将一维数据转换为矩阵形式，从而作为2D-CNN的输入数据。最后利用Adam优化的softmax分类器对2D-CNN提取的故障特征进行分类，实现逆变器不同故障模式的状态识别。实验结果表明，2D-CNN模型在不同工况、不同故障模式下的故障诊断准确率均优于多层感知机（Multi-Layer Perceptron， MLP）和堆栈去噪自动编码器（Stacked Denoising Auto Encoder， SDAE）方法，进而验证了本文所提方法的有效性和准确性，可为功率变换系统健康状态评估奠定理论基础。

• 单位
  自动化学院; 南京工程学院