融合注意力机制的电机故障检测系统设计

摘要：

针对传统电机故障检测方法需要依据专家经验进行手工特征信息提取以及卷积神经网络对相似故障类型的分辨率低等缺点,提出了一种DenseNet模型的改进结构.首先对电机信号进行滤波及预处理,将一维波形信号转换成二维频谱能量图,然后通过对DenseNet的部分卷积模块增加旁路模块进行信号的软阈值化,可以在网络训练学习时自动对信号进行降噪处理,得到足够的分类特征信息,避免了手工特征信息提取的繁琐及不确定性.最后,将改进后的模型用于电机故障类型的实时检测,并与其他几种算法进行对比,结果表明,所提出的算法特征信号分类明确、误检率低,对故障的识别准确率可以达到99.49％.

关键词：卷积神经网络、电机故障、故障检测、软阈值化

所属期刊栏目：44

分类号：TP23(自动化技术及设备)

资助基金：遵义市科技计划项目;贵州省普通高等学校电子制造产学研基地项目;贵州省科学技术项目

在线出版日期：2022-12-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：163-175