基于谐波诊断技术和CNN-LSTM的电机故障诊断

摘要：

提出一种谐波诊断技术与卷积神经网络(CNN)-长短期记忆神经网络(LSTM)相结合的模型,采用该模型对电机异常、劣化进行诊断.高次谐波是导致电机设备异常、劣化的关键性因素之一,对其进行归纳、总结、验证并提取故障特征值,形成了专家系统,该系统在电机故障诊断已有大量应用,但存在组网复杂、成本高等缺点.因此,CNN-LSTM网络利用各次谐波进行特征提取分析,进而进行诊断,最后与专家系统对比以验证模型的准确率.其中,谐波技术与CNN-LSTM相结合的模型的相关决定系数 R2 和均方根误差 MSE分别在 95%以上和 0.5%以内,表明以谐波诊断技术为基础的CNN-LSTM网络用于电机故障诊断系统具有可行性,能够提高诊断效率,节约成本.

关键词：谐波诊断技术、状态在线监测、故障诊断、CNN-LSTM网络、特征提取

分类号：TM343(电机)

资助基金：煤炭安全精准开采国家地方联合工程研究中心开放基金项目EC2021003

在线出版日期：2023-09-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：57-62