基于谐波诊断技术和CNN-LSTM的电机故障诊断*

提出一种谐波诊断技术与卷积神经网络(CNN) 长短期记忆神经网络(LSTM)相结合的模型，采用该模型对电机异常、劣化进行诊断。高次谐波是导致电机设备异常、劣化的关键性因素之一，对其进行归纳、总结、验证并提取故障特征值，形成了专家系统，该系统在电机故障诊断已有大量应用，但存在组网复杂、成本高等缺点。因此，CNN-LSTM网络利用各次谐波进行特征提取分析，进而进行诊断，最后与专家系统对比以验证模型的准确率。其中，谐波技术与CNN-LSTM相结合的模型的相关决定系数R2和均方根误差MSE分别在95%以上和0.5%以内，表明以谐波诊断技术为基础的CNN-LSTM网络用于电机故障诊断系统具有可行性，能够提高诊断效率，节约成本。