← 返回
基于轻量级多源信息数据层融合的永磁同步电机系统故障诊断改进方法
Improved Fault Diagnosis Method for Permanent Magnet Synchronous Machine System Based on Lightweight Multisource Information Data Layer Fusion
| 作者 | Jun Hang · Gaopeng Qiu · Menglu Hao · Shichuan Ding |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2024年10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 | 永磁同步电机 故障诊断 深度学习 多源信息 数据层融合 轻量化模型 |
语言:
中文摘要
针对永磁同步电机(PMSM)系统,本文提出了一种基于轻量级多源信息数据层融合的故障诊断方法。传统深度学习方法多依赖单源信号,导致诊断性能受限。该方法通过多源数据融合与轻量化模型设计,有效提升了故障特征提取能力与诊断精度,适用于对实时性与可靠性要求较高的电机驱动系统。
English Abstract
Fault diagnosis is essential for the safe operation of a permanent magnet synchronous machine (PMSM) system. At present, the fault diagnosis method based on deep learning has been gradually studied due to its ability to automatically extract fault features and an end-to-end diagnostic model. However, this method often uses a single-source signal, resulting in poor fault diagnosis performance. On t...
S
SunView 深度解读
该技术对阳光电源的风电变流器及电动汽车驱动系统具有重要参考价值。风电变流器作为风电机组的核心,其电机侧控制的可靠性至关重要。通过引入多源信息融合与轻量化AI诊断模型,阳光电源可提升iSolarCloud平台在风电及驱动系统中的预测性维护能力,实现故障的早期预警。建议将该轻量化算法部署于变流器主控芯片或边缘计算网关,以降低对硬件算力的要求,提升系统在复杂工况下的运行稳定性,从而降低运维成本。