基于LSTM与电气参数的电机状态监测方法

针对现有的电机状态监测方法因状态曲线反复穿越报警线,导致状态预警分析准确率低的问题,提出一种长短期记忆网络（LSTM）与工艺参数相结合的状态监测方法。该方法首先采用主成分分析（PCA）对电机正常运行状态的电流、电压信号特征矩阵进行特征降维,再借助LSTM完成状态预测模型构建,基于历史运行数据实现对当前阶段运行待测数据状态值的预测,最终通过对比实测值与预测值的差异度完成电机运行状态的判断。搭建电机故障实验台对提出方法进行验证,实测数据分析结果表明,所提出的方法可有效实现针对电机的状态监测,与振动参数分析的对比结果显示,该方法具备较好的模型稳定性及准确性,有效解决了状态监测模型误报、漏报的问题,实现了对电机运行状态的准确监测。