基于图像融合与迁移学习的永磁同步电机驱动器强泛化性故障诊断研究

作者：李政; 汪凤翔; 张品佳

来源：中国电机工程学报, 2023, 1-11.

• 永磁同步电机
• 故障诊断
• 图像融合
• 深度学习

参数失配、死区效应、采样偏差、传感器故障、编码器故障等会导致永磁同步电机三相电流包含高次谐波，进而产生转矩脉动与振动噪声。针对这一问题，本文提出一种基于图像融合和深度学习的数据驱动方法诊断电驱系统故障。首先，以永磁同步电机驱动器三相电流信号作为原始数据源，结合仿真和实验建立多源故障数据库。其次，对三相电流信号进行短时傅里叶变换得到时频域彩色图像，各相提取一种颜色形成灰度图表示单相特征。采用图像融合方法将三张灰度图融合为一张彩色频谱特征图。最后，应用SqueezeNet迁移学习对样本进行训练。实验结果表明，该方法综合故障诊断准确率达到98.63%。本文提出的方法实现了系统级的多源故障诊断，并且具有较高的实用性与泛化性，有效提高了故障诊断的准确率。

• 单位
  清华大学; 中国科学院福建物质结构研究所