文献类型：期刊文章

作　　者：汪文龙[1] 贺长波[1] 王骁贤[2] 陆思良[1]

WANG Wenlong;HE Changbo;WANG Xiaoxian;LU Siliang(National Engineering Laboratory of Energy Saving Motor and Control Technology,School of Electrical Engineering and Automation,Anhui University,Hefei 230601,China;Department of Precision Machinery and Precision Instrumentation,University of Science and Technology of China,Hefei 230027,China)

机构地区：[1]安徽大学电气工程与自动化学院高节能电机及控制技术国家地方联合工程实验室,合肥230601 [2]中国科学技术大学精密机械与精密仪器系,合肥230027

出　　处：《振动与冲击》

基　　金：国家自然科学基金(52075002)。

年　　份：2022

卷　　号：41

期　　号：14

起止页码：164-171

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：永磁电机在工业自动化及新能源汽车等领域具有重要的应用,电机故障诊断对于保障运动控制精度和避免停机损失具有十分重要的意义。现代信号处理方法和人工智能技术被广泛应用于电机故障诊断,然而在强噪声干扰情况下如何精确识别电机故障类型仍是一个挑战。该研究设计一种新的多尺度信号调节自编码器,首先采集电机的振动信号并通过小波变换分解得到信号的多尺度特征,研究各个尺度特征对自编码器分类精度的影响,随后根据多尺度特征对应的精度进行原信号的调节和重构,再将调节信号输入自编码器中,最终提升电机故障类型识别的精度。试验结果表明,该方法相比于传统方法,在强背景噪声干扰情况下能够有效识别电机的8种健康或故障状态,并且具有良好的抗噪性和稳定性。

关 键 词：永磁电机 故障诊断  小波分解 多尺度信号调节  自编码器  

分 类 号：TH133.33]