采用深度学习的永磁同步电机匝间短路故障诊断方法

TP277; 针对永磁同步电机匝间短路故障诊断方法因结构复杂、样本特征稀少和大数据冗余等因素引起的诊断困难问题,基于生成式对抗和稀疏自编码深度学习网络提出一种高效准确的匝间短路故障诊断方法.该方法通过采集永磁同步电机负序电流和转矩特征信号,利用生成式对抗神经网络完成样本数据扩张,构建鲁棒、多样的训练集合,结合稀疏自编码网络实现高效准确的故障特征分类、诊断.实验表明该方法实现了对永磁同步电机负序电流和转矩特征信号的样本数据扩张,构建了优化深度网络实现高效准确的电机匝间短路诊断.数据显示,采用此方法的匝间短路故障诊断准确率高达99.4％....

Full description

Saved in:
Bibliographic Details
Published in电机与控制学报 Vol. 24; no. 9; pp. 173 - 180
Main Authors 李垣江, 张周磊, 李梦含, 魏海峰, 张懿
Format Journal Article
LanguageChinese
Published 江苏科技大学 电子信息学院,江苏 镇江212003 01.09.2020
常熟瑞特电气股份有限公司,江苏 常熟215500%江苏科技大学 电子信息学院,江苏 镇江212003
Subjects
匝间短路
样本扩张
生成式对抗神经网络
故障诊断
永磁同步电机
负序电流
稀疏自编码
Online AccessGet full text
ISSN1007-449X
DOI10.15938/j.emc.2020.09.019

Cover

Abstract TP277; 针对永磁同步电机匝间短路故障诊断方法因结构复杂、样本特征稀少和大数据冗余等因素引起的诊断困难问题,基于生成式对抗和稀疏自编码深度学习网络提出一种高效准确的匝间短路故障诊断方法.该方法通过采集永磁同步电机负序电流和转矩特征信号,利用生成式对抗神经网络完成样本数据扩张,构建鲁棒、多样的训练集合,结合稀疏自编码网络实现高效准确的故障特征分类、诊断.实验表明该方法实现了对永磁同步电机负序电流和转矩特征信号的样本数据扩张,构建了优化深度网络实现高效准确的电机匝间短路诊断.数据显示,采用此方法的匝间短路故障诊断准确率高达99.4％.
AbstractList TP277; 针对永磁同步电机匝间短路故障诊断方法因结构复杂、样本特征稀少和大数据冗余等因素引起的诊断困难问题,基于生成式对抗和稀疏自编码深度学习网络提出一种高效准确的匝间短路故障诊断方法.该方法通过采集永磁同步电机负序电流和转矩特征信号,利用生成式对抗神经网络完成样本数据扩张,构建鲁棒、多样的训练集合,结合稀疏自编码网络实现高效准确的故障特征分类、诊断.实验表明该方法实现了对永磁同步电机负序电流和转矩特征信号的样本数据扩张,构建了优化深度网络实现高效准确的电机匝间短路诊断.数据显示,采用此方法的匝间短路故障诊断准确率高达99.4％.
Author 李梦含
李垣江
张懿
魏海峰
张周磊
AuthorAffiliation 江苏科技大学 电子信息学院,江苏 镇江212003;常熟瑞特电气股份有限公司,江苏 常熟215500%江苏科技大学 电子信息学院,江苏 镇江212003
AuthorAffiliation_xml – name: 江苏科技大学 电子信息学院,江苏 镇江212003;常熟瑞特电气股份有限公司,江苏 常熟215500%江苏科技大学 电子信息学院,江苏 镇江212003
Author_FL ZHANG Zhou-lei
WEI Hai-feng
LI Yuan-jiang
ZHANG Yi
LI Meng-han
Author_FL_xml – sequence: 1
  fullname: LI Yuan-jiang
– sequence: 2
  fullname: ZHANG Zhou-lei
– sequence: 3
  fullname: LI Meng-han
– sequence: 4
  fullname: WEI Hai-feng
– sequence: 5
  fullname: ZHANG Yi
Author_xml – sequence: 1
  fullname: 李垣江
– sequence: 2
  fullname: 张周磊
– sequence: 3
  fullname: 李梦含
– sequence: 4
  fullname: 魏海峰
– sequence: 5
  fullname: 张懿
BookMark eNotj8tKw0AUQGdRwVr7A36Bm8Q7mTxmllLqAwpuFNyVmWRGjJqCQXzsBKUgXbhoK5SKgljchCoqtf0eM2n-woquzu4czgIqRI1IIrSEwcQOI3QlNOWRb1pggQnMBMwKqIgBPMO22e48KsfxvgBwHZcQZhVRNW82s_aLHr2lk0GaDL7Hj1nvSr9-ZU-X6W1LJ89Z-1P3J2nrPr_7yB6S6WioO9d5rz8d3uhuortj_d5ZRHOKH8ay_M8S2lmrblc2jNrW-mZltWbEGAgzBOOcSLCVxz0BvucEXAigzJOYKwsHLsZMUaDS95VkLqdUgpRYWIpyz-IBKaHlP-8pjxSP9uph4-Q4mhXrQXh-cHEmfr-Bza7JD2b6afY
ClassificationCodes TP277
ContentType Journal Article
Copyright Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
Copyright_xml – notice: Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
DBID 2B.
4A8
92I
93N
PSX
TCJ
DOI 10.15938/j.emc.2020.09.019
DatabaseName Wanfang Data Journals - Hong Kong
WANFANG Data Centre
Wanfang Data Journals
万方数据期刊 - 香港版
China Online Journals (COJ)
China Online Journals (COJ)
DatabaseTitleList
DeliveryMethod fulltext_linktorsrc
DocumentTitle_FL Fault diagnosis of inter-turn short circuit of permanent magnet synchronous motor based on deep learning
EndPage 180
ExternalDocumentID djykzxb202009019
GrantInformation_xml – fundername: (国家自然科学基金); (江苏省产学研前瞻性联合研究项目); (江苏省重点研发计划社会发展项目); (江苏省高校自然科学研究项目)
  funderid: (国家自然科学基金); (江苏省产学研前瞻性联合研究项目); (江苏省重点研发计划社会发展项目); (江苏省高校自然科学研究项目)
GroupedDBID 2B.
4A8
92I
93N
ALMA_UNASSIGNED_HOLDINGS
CDYEO
PSX
TCJ
ID FETCH-LOGICAL-s1039-b9aa3e04f7a7b0c75dabb0897e1af21d6119f808eccfe96a88e0ee1b2f8a72ad3
ISSN 1007-449X
IngestDate Thu May 29 04:05:40 EDT 2025
IsPeerReviewed true
IsScholarly true
Issue 9
Keywords 匝间短路
样本扩张
生成式对抗神经网络
故障诊断
永磁同步电机
负序电流
稀疏自编码
Language Chinese
LinkModel OpenURL
MergedId FETCHMERGED-LOGICAL-s1039-b9aa3e04f7a7b0c75dabb0897e1af21d6119f808eccfe96a88e0ee1b2f8a72ad3
PageCount 8
ParticipantIDs wanfang_journals_djykzxb202009019
PublicationCentury 2000
PublicationDate 2020-09-01
PublicationDateYYYYMMDD 2020-09-01
PublicationDate_xml – month: 09
  year: 2020
  text: 2020-09-01
  day: 01
PublicationDecade 2020
PublicationTitle 电机与控制学报
PublicationTitle_FL Electric Machines and Control
PublicationYear 2020
Publisher 江苏科技大学 电子信息学院,江苏 镇江212003
常熟瑞特电气股份有限公司,江苏 常熟215500%江苏科技大学 电子信息学院,江苏 镇江212003
Publisher_xml – name: 常熟瑞特电气股份有限公司,江苏 常熟215500%江苏科技大学 电子信息学院,江苏 镇江212003
– name: 江苏科技大学 电子信息学院,江苏 镇江212003
SSID ssib006563392
ssib025702231
ssib000271328
ssib051374584
ssib036435450
ssib017479520
ssib001129775
ssib023166998
Score 2.419591
Snippet TP277; 针对永磁同步电机匝间短路故障诊断方法因结构复杂、样本特征稀少和大数据冗余等因素引起的诊断困难问题,基于生成式对抗和稀疏自编码深度学习网络提出一种高效准确的...
SourceID wanfang
SourceType Aggregation Database
StartPage 173
Title 采用深度学习的永磁同步电机匝间短路故障诊断方法
URI https://d.wanfangdata.com.cn/periodical/djykzxb202009019
Volume 24
hasFullText 1
inHoldings 1
isFullTextHit
isPrint
journalDatabaseRights – providerCode: PRVEBS
  databaseName: Inspec with Full Text
  issn: 1007-449X
  databaseCode: ADMLS
  dateStart: 20140101
  customDbUrl:
  isFulltext: true
  dateEnd: 99991231
  titleUrlDefault: https://www.ebsco.com/products/research-databases/inspec-full-text
  omitProxy: false
  ssIdentifier: ssib025702231
  providerName: EBSCOhost
link http://utb.summon.serialssolutions.com/2.0.0/link/0/eLvHCXMwnV3Na9RAFA_9uHgRRcVvKjinsnUmySQzx8luShHrxRZ6K8nuRKm4gm1BexOUgvTgoa1QKgpi8bJUUantH-Bf4u62_4XvvaS70fZQhSXMzvxm3lcm814yH45zMwi4dX2bVjwrUwhQpKyoFKLWuvQypRvSS2m2--TdYGLavz0jZwYGf5ZmLS0upGP1pWPXlfyPVSEP7IqrZP_Bsr1GIQPSYF-4goXheiIbs1gzCObhF4dM-8woFgcsClkkWCxZZJgJMGFqlPBZpJnhBDZM-QTmLFKYYzxwKhGsOVNVLMJasmg5kpijq9gmYACga0hdAy2fMOOIjxVSN-MEBpgkjMGKUAT5ylARNZ4ngCVkw2P5KZiHjvJxdH1kVcWYA1cTEidAsSxjgCSMPLyPqHaNKoFkMUqJ1ATw24eApqqkF4AIUmKuDnNMK8C5W2gVFGWiPkQjC4pEB64j4g7Einj5xQpE0Yczx_Ku0GMHFaQiaiBE2YCTXBhFjBm_EJjkHC2ph7KAF1QPGCGvJsgIPa2AETQy7laP0hulYkl3UVEGjgbnXmm8wjfNvk-nEfcGtHxRetFxdWl0EvmpMYWjI_IjtI6MoVLTlvlzY_YR7vHpctoIuBjY_tybvDH37OHS0xRBHBxLPegMuzC68iFn2NQm79wrf98W5V2h0MsPS44rRBWe1_--D2FyqGU_kIEgJAhKLwbw6EW39P3aA78aQoEeXgovxAkANNWh0FCxYg6lu3VENlqy18yS5v2Sdzl1xjldhIUjJu_jZ52BpQfnnPhgebm7-qmz86W9t9Vubf3afd_deNH5_KP74Xn79Uqn9bG7-r2zuddeeXvw5lv3XWt_Z7uz9vJgY3N_-1VnvdVZ3-18XTvvTI_HU9WJSnHsSWWe5mWkOkk8y_0sTMKU10PZSNKUKx1akWSuaARC6ExxBQ_fzOogUcpya0XqZioJ3aThXXCGmo-b9qIzAv8AmPFEW9-3mVBBCqq2iW_rIs1C75JzoxB7tniszc_-bdPLJ8BccU71e9BVZ2jhyaK9Bs76Qnq9uBN-A9dwsSk
linkProvider EBSCOhost
openUrl ctx_ver=Z39.88-2004&ctx_enc=info%3Aofi%2Fenc%3AUTF-8&rfr_id=info%3Asid%2Fsummon.serialssolutions.com&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rft.genre=article&rft.atitle=%E9%87%87%E7%94%A8%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E7%9A%84%E6%B0%B8%E7%A3%81%E5%90%8C%E6%AD%A5%E7%94%B5%E6%9C%BA%E5%8C%9D%E9%97%B4%E7%9F%AD%E8%B7%AF%E6%95%85%E9%9A%9C%E8%AF%8A%E6%96%AD%E6%96%B9%E6%B3%95&rft.jtitle=%E7%94%B5%E6%9C%BA%E4%B8%8E%E6%8E%A7%E5%88%B6%E5%AD%A6%E6%8A%A5&rft.au=%E6%9D%8E%E5%9E%A3%E6%B1%9F&rft.au=%E5%BC%A0%E5%91%A8%E7%A3%8A&rft.au=%E6%9D%8E%E6%A2%A6%E5%90%AB&rft.au=%E9%AD%8F%E6%B5%B7%E5%B3%B0&rft.date=2020-09-01&rft.pub=%E6%B1%9F%E8%8B%8F%E7%A7%91%E6%8A%80%E5%A4%A7%E5%AD%A6+%E7%94%B5%E5%AD%90%E4%BF%A1%E6%81%AF%E5%AD%A6%E9%99%A2%2C%E6%B1%9F%E8%8B%8F+%E9%95%87%E6%B1%9F212003&rft.issn=1007-449X&rft.volume=24&rft.issue=9&rft.spage=173&rft.epage=180&rft_id=info:doi/10.15938%2Fj.emc.2020.09.019&rft.externalDocID=djykzxb202009019
thumbnail_s http://utb.summon.serialssolutions.com/2.0.0/image/custom?url=http%3A%2F%2Fwww.wanfangdata.com.cn%2Fimages%2FPeriodicalImages%2Fdjykzxb%2Fdjykzxb.jpg