迁移学习和CNN的电机故障诊断方法

作者：谢锋云; 董建坤; 符羽; 刘翊; 肖乾

来源：机械科学与技术, 2024, 43(03): 513-519.

DOI：10.13433/j.cnki.1003-8728.20220196

• CNN
• 迁移学习
• 三相异步电机
• VMD
• 故障诊断

针对缺乏数据导致卷积神经网络(Convolutional neural networks,CNN)训练不佳的问题,以三相异步电机故障诊断为研究对象,提出了基于迁移学习和CNN结合的电机故障诊断方法。首先搭建了电机故障诊断实验平台,通过加速度传感器获取CNN模型带标签数据,通过训练获取预训练模型;然后结合迁移学习得到的预训练模型迁移到目标域,并通过对目标域的带标签数据进行训练以优化CNN参数;最终获得可以对目标域数据有着良好分类能力的新模型,从而实现目标域带标签数据稀少情况下的电机故障诊断工作。通过将该方法与传统CNN、变分模态分解(Variational modal decomposition,VMD)-支持向量机(Support vector machine,SVM)、VMD-K近邻(K nearest neighbor,KNN)以及VMD-BP神经网络等识别模型进行对比验证,结果显示本文提出的迁移CNN模型模式识别方法有更好的识别效果。

• 单位
  华东交通大学机电与车辆工程学院