找到 7 条结果 · 智能化与AI应用
基于混合机器学习方法的PMSM驱动系统多故障检测与诊断
Fault Detection and Diagnosis for Multi‐Faults of PMSM‐Drive Systems Using a Hybrid Machine Learning Method
Hüseyin Tayyer Canseven · Evin Şahin Sadık · Merve Cömert · Abdurrahman Ünsal · IET Power Electronics · 2026年2月 · Vol.19
本文提出一种基于低频相电流信号的无侵入式PMSM驱动系统故障检测与诊断方法，聚焦逆变器功率器件相关故障。通过Clarke变换、成对特征融合与三阶段特征选择，结合随机森林、梯度提升与KNN的晚期融合模型，实现93.3%准确率和95.91%宏F1分数。
解读: 该方法可直接迁移应用于阳光电源ST系列PCS、组串式逆变器及PowerTitan储能系统的IGBT模块健康状态监测，无需额外传感器，显著降低运维成本。建议在iSolarCloud平台中集成轻量化故障诊断模型，支持逆变器早期失效预警；尤其适用于工商业光伏+储能场景中高频启停导致的功率器件退化监测。...
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
Jun Hang · Gaopeng Qiu · Menglu Hao · Shichuan Ding · IEEE Transactions on Power Electronics · 2024年10月
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。
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...
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
Sijia Wu · Guangtong Ma · Chunxing Yao · Zhenyao Sun 等5人 · IEEE Transactions on Power Electronics · 2024年8月
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。
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...
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
Jinping Xie · Xiaofei Zhang · Derong Luo · Guojun Qin 等5人 · IEEE Transactions on Power Electronics · 2024年2月
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。
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iSolarC...
基于深度学习和改进RGB声学图像的永磁同步电机转子与轴承两阶段故障识别数字孪生系统
A Digital Twin System for Two-Stage PMSM Rotor and Bearing Faults Identification Based on Deep Learning and Improved-RGB Acoustic Image
Bochao Du · Wan Huang · Taoyong Li · Ruogu Hu 等6人 · IEEE Transactions on Power Electronics · 2025年1月
本文提出了一种基于声学信号的永磁同步电机（PMSM）六种转子及轴承故障诊断方法，并构建了基于物联网和云端的两阶段故障诊断数字孪生系统。第一阶段在电机边缘侧利用短时傅里叶变换和卷积神经网络进行初步诊断，实现了高效的故障识别与状态监测。
解读: 该技术在电机故障诊断与数字孪生领域的应用，对阳光电源的风电变流器及储能系统中的旋转部件（如冷却风扇、水泵）具有参考价值。通过引入边缘计算与深度学习，可提升iSolarCloud智能运维平台对关键辅机设备的预测性维护能力，减少非计划停机。建议研发团队关注声学信号特征提取技术，将其集成至现有变流器或储能...
基于在线属性匹配的永磁同步电机驱动电气故障少样本数据驱动诊断方法
Online Attribute Matching Based Few-Sample Data-Driven Diagnosis of Electrical Faults in PMSM Drive
Luhan Jin · Xueqing Wang · Yao Mao · Linlin Lu 等5人 · IEEE Transactions on Power Electronics · 2024年2月
本文提出了一种基于在线属性匹配的少样本数据驱动诊断方法，用于永磁同步电机驱动系统的电气故障诊断。该方法通过在特征提取过程中融合电机模型知识，在减少训练数据需求和降低计算复杂度的同时，显著提升了诊断精度和鲁棒性。
解读: 该技术主要针对电机驱动系统的故障诊断，与阳光电源的风电变流器及电动汽车充电桩业务具有较高的技术同源性。在风电变流器领域，电机侧的故障诊断对于提升风机可靠性至关重要；在充电桩业务中，该算法可用于提升功率模块及内部驱动系统的故障预警能力。建议研发团队关注其‘少样本’与‘模型知识融合’的特性，将其应用于i...
基于贝叶斯优化残差CNN的永磁同步电机匝间短路故障估计
On Bayesian Optimization-Based Residual CNN for Estimation of Inter-Turn Short Circuit Fault in PMSM
Qiang Song · Mingsheng Wang · Wuxuan Lai · Sifang Zhao · IEEE Transactions on Power Electronics · 2023年2月
本文提出了一种基于贝叶斯优化（BO）的残差卷积神经网络（CNN）算法，用于永磁同步电机（PMSM）匝间短路（ITSC）故障的早期诊断。该方法通过优化CNN结构提升了故障特征提取能力，有效解决了传统CNN在电机故障诊断中应用面临的挑战，提高了电机运行的安全性与可靠性。
解读: 该技术主要针对电机驱动系统的故障诊断，与阳光电源的风电变流器及电动汽车充电桩业务具有一定的技术关联性。虽然阳光电源目前核心业务侧重于电力电子变换，但随着风电变流器向高可靠性、智能化运维方向发展，引入基于深度学习的故障预测与健康管理（PHM）技术是提升产品竞争力的关键。建议研发团队关注该算法在变流器功...