找到 1 条结果
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...