文献类型：期刊文章

作　　者：王丽华[1] 谢阳阳[1] 张永宏[1] 赵晓平[2] 周子贤[2]

WANG Lihua;XIE Yangyang;ZHANG Yonghong;ZHAO Xiaoping;ZHOU Zixian(School of Information Control, Nanjing University of Information Science Control Technology, Nanjing, 2;School of Computer Control Software, Nanjing University of Information Science Control Technology, Nanjing, 210044, china)

机构地区：[1]南京信息工程大学信息与控制学院,南京210044 [2]南京信息工程大学计算机与软件学院,南京210044

出　　处：《西安交通大学学报》

基　　金：国家自然科学基金资助项目(51405241;51505234)

年　　份：2017

卷　　号：51

期　　号：10

起止页码：128-134

语　　种：中文

收录情况：BDHX、BDHX2014、CAS、CSCD、CSCD2017_2018、EI、IC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

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

分 类 号：TH17]