Details

Признаки неисправностей из сигнала, что приводит к таким проблемам, как спектральная утечка и низкое разрешение по частоте. Для решения этих проблем в данной статье предлагается интеллектуальный метод диагностики неисправностей, основанный на комбинации синхронного сжатого вейвлет-преобразования и сверточных нейронных сетей . Была создана модель имитации неисправностей PMSM на основе управления, ориентированного на поле, для моделирования нормальных условий, межвитковых коротких замыканий и размагничивания ротора, и были собраны данные. Сигнал тока был преобразован в двумерное частотно-временное изображение с использованием SWT для повышения выразительности переходных характеристик неисправностей. Была построена и обучена многослойная модель CNN для идентификации типов неисправностей. Результаты экспериментов показывают, что данный метод эффективно преодолевает ограничения традиционного спектрального анализа при обработке нестационарных сигналов, достигая точности 95,75% для таких неисправностей, как межвитковые короткие замыкания и размагничивание ротора, что подтверждает эффективность и надежность предложенного метода.

Fault features are often extracted from the signal, leading to problems such as spectral leakage and low frequency resolution. To address these problems, this paper proposes an intelligent fault diagnosis method based on a combination of synchronous compressed wavelet transform and convolutional neural networks. A PMSM fault simulation model based on field-oriented control was established to simulate normal conditions, interturn short circuits, and rotor demagnetization, and data was collected. The current signal was transformed into a two-dimensional time-frequency image using SWT to improve the expressiveness of fault transient responses. A multi-layer CNN model was built and trained to identify fault types. Experimental results show that this method effectively overcomes the limitations of traditional spectral analysis in processing transient signals, achieving an accuracy of 95.75% for faults such as interturn short circuits and rotor demagnetization, confirming the effectiveness and reliability of the proposed method.