← 返回
基于多通道全局最大池化CNN的永磁同步电机驱动电流传感器故障检测与识别
Current Sensor Fault Detection and Identification for PMSM Drives Using Multichannel Global Maximum Pooling CNN
| 作者 | Sijia Wu · Guangtong Ma · Chunxing Yao · Zhenyao Sun · Shuai Xu |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2024年8月 |
| 技术分类 | 智能化与AI应用 |
| 技术标签 | 故障诊断 深度学习 机器学习 |
| 相关度评分 | ★★★★ 4.0 / 5.0 |
| 关键词 | PMSM 电流传感器 故障检测与识别 CNN 深度学习 电机驱动 可靠性 |
语言:
中文摘要
永磁同步电机（PMSM）在电机驱动应用中广泛使用。电流传感器在闭环控制中至关重要，但易受热应力和振动影响发生故障。本文提出了一种基于多通道全局最大池化卷积神经网络（CNN）的高效电流传感器故障检测与识别（FDI）方法，旨在提升电机驱动系统的可靠性。
English Abstract
The permanent magnet synchronous motors (PMSM) have been widely used in motor-drive applications. In the closed-loop control system, the current sensors play an essential role, which are highly prone to failures due to high electron-thermal pressure and abnormal vibration. In this article, an efficient current sensor fault detection and identification (FDI) method is proposed for the PMSM drives b...
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、电动汽车充电桩中的功率模块及储能系统中的辅助电机控制）具有重要参考价值。通过引入深度学习算法进行传感器故障诊断，可显著提升系统运行的鲁棒性，降低因传感器失效导致的停机风险。建议研发团队在iSolarCloud智能运维平台中集成此类AI诊断模型，实现对关键功率变换设备内部传感器状态的实时监测与预警，从而提升产品全生命周期的可靠性与运维智能化水平。