采用深度学习的异步电机故障诊断方法

摘要：

为解决传统异步电机故障诊断方法因电机结构复杂、信号非平稳和机械大数据等因素引起的诊断困难问题,提出一种高效准确的异步电机故障诊断(SDAE)方法.该方法利用堆叠降噪自编码提取信号特征,结合Softmax分类器实现高效准确的电机故障诊断.首先,采集异步电机的整体电流和振动信号,将电流信号与傅里叶变换后的振动频域信号组合构成样本,并做归一化处理;然后,构建堆叠降噪自编码网络,确定网络层数、各隐藏层节点数、学习率等参数;最后,输入训练样本依次训练自编码和分类器,微调整个网络并用测试数据验证网络的优劣.试验结果表明,在合适的参数下采用SDAE方法的异步故障诊断准确率高达99.86％,比传统电机故障诊断方法提升至少6％.

关键词：异步电机、故障诊断、深度学习、特征提取

所属期刊栏目：51

分类号：TH17

资助基金：国家自然科学基金资助项目51405241,51505234

在线出版日期：2017-11-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：128-134