← 返回
基于自定义相空间重构图像驱动的少样本PMSM故障诊断
Custom Phase Space Reconstruction Image-Driven Fault Diagnosis for PMSM Under Few-Labeled Samples
| 作者 | Jinping Xie · Xiaofei Zhang · Derong Luo · Guojun Qin · Fengqin Huang |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2024年2月 |
| 技术分类 | 智能化与AI应用 |
| 技术标签 | 故障诊断 机器学习 深度学习 |
| 相关度评分 | ★★★★ 4.0 / 5.0 |
| 关键词 | 故障诊断 PMSM 相空间重构 深度学习 少标签样本 图像驱动 智能诊断 |
语言:
中文摘要
针对现有电机故障诊断方法依赖大规模标注数据且忽略信号全局特征的问题，本文提出一种基于自定义双侧相空间重构（CDPSR）的图像驱动诊断方法。该方法通过将一维信号转化为二维图像，有效提取永磁同步电机（PMSM）的全局特征，在少样本条件下实现了高精度的故障诊断。
English Abstract
The existing intelligent fault diagnosis methods for motors mainly focus on the supervised learning of 1-D signals, which ignores the global features of the signal and requires large training samples of labeled data. For this reason, this article proposes a custom double-sided phase space reconstruction (CDPSR) image-driven fault diagnosis method for permanent magnet synchronous motor (PMSM) under...
S
SunView 深度解读
该技术对阳光电源的电机驱动类产品（如风电变流器）及iSolarCloud智能运维平台具有重要参考价值。风电变流器作为风电机组的核心，其功率模块与控制系统的可靠性至关重要。本文提出的少样本故障诊断技术，能够解决实际运行中故障样本稀缺的痛点，通过将信号转化为图像进行深度学习分析，可显著提升iSolarCloud对风电变流器及储能PCS内部电机/功率器件的早期故障预警能力。建议研发团队将其引入变流器状态监测算法，以降低运维成本并提升设备全生命周期可靠性。