基于二维CNN与多源机电信息融合的同步电机转子匝间短路故障诊断方法 |
| |
引用本文: | 马明晗,侯岳佳,李永刚,贺鹏康,齐鹏,武玉才.基于二维CNN与多源机电信息融合的同步电机转子匝间短路故障诊断方法[J].华北电力大学学报,2024(2):123-135. |
| |
作者姓名: | 马明晗 侯岳佳 李永刚 贺鹏康 齐鹏 武玉才 |
| |
作者单位: | 新能源电力系统国家重点实验室(华北电力大学) |
| |
基金项目: | 国家自然科学基金资助项目(51777075,52177042);;河北省自然科学基金资助(E2020502064);;中央高校基本科研业务费专项资金资助项目(2021MS066); |
| |
摘 要: | 为提高同步电机转子绕组匝间短路故障的诊断准确率,以一台型号为SDF-9的一对极同步发电机为研究对象,提出了一种基于二维卷积神经网络(Convolutional Neural Networks, CNN)与多源机电信息融合的匝间短路故障诊断方法。首先选取故障前后的定子环流、转子振动、定子振动信号为故障特征,采用信号-图像转换方法将一维时序信号转化为二维灰度图像。其次将处理后的图像分别作为二维CNN模型的前置输入进行训练。最后采用D-S证据理论将3种证据体的输出概率进行决策融合。结果表明:该方法消除了单一信号易受传感器故障及环境变化的影响,故障诊断准确率显著提高,并与其他传统故障诊断算法的诊断结果进行对比分析,验证了此方法的有效性。
|
关 键 词: | 同步电机 转子绕组匝间短路故障 D-S证据组合 故障诊断 卷积神经网络 |
|
|