采用SDAEFFNN网络的PMSM逆变器开路故障诊断研究
文档名：采用SDAEFFNN网络的PMSM逆变器开路故障诊断研究
摘要：针对电机驱动系统故障难以捕捉、特征精细刻画难和诊断准确性差等重难点问题,提出了一种融合堆叠降噪自编码器和前馈神经网络(stackeddenoisingautoencoder-feedforwardneuralnetwork,SDAE-FFNN)模型.模拟仿真三相逆变器开路故障的不同类型;提取永磁同步电机输出的三相定子电流作为故障特征提取的对象;融合多种频域特征提取方法提取非线性特征并整合形成高维数据集;采用SDAE-FFNN模型实现对三相逆变器开路故障识别;对比传统深度网络模型,验证算法可行性.实验结果表明,SDAE-FFNN模型完成了有效故障分类识别,平均识别准确率高达98.8021%,优于传统深度学习方法.
作者：冯莉 罗洪林 许水清 Author：FENGLi LUOHonglin XUShuiqing
作者单位：重庆交通大学交通运输学院,重庆400074合肥工业大学电气与自动化工程学院,合肥230009
刊名：重庆理工大学学报 PKU
Journal：JournalofChongqingInstituteofTechnology
年，卷(期)：2023, 37(15)
分类号：TP391
关键词：永磁同步电机三相逆变器堆叠降噪自编码器前馈神经网络故障诊断
Keywords：permanentmagnetsynchronousmotorthree-phaseinverterstackeddenoisingautoencoderfeedforwardneuralnetworkfaultdiagnosis
机标分类号：TM351TM464TP391
在线出版日期：2023年9月26日
基金项目：国家重点研发计划，工业控制技术国家重点实验室开放课题，重庆交通大学研究生科研创新项目采用SDAE-FFNN网络的PMSM逆变器开路故障诊断研究[
期刊论文]重庆理工大学学报--2023, 37(15)冯莉罗洪林许水清针对电机驱动系统故障难以捕捉、特征精细刻画难和诊断准确性差等重难点问题,提出了一种融合堆叠降噪自编码器和前馈神经网络(stackeddenoisingautoencoder-feedforwardneuralnetwork,SDAE-FFNN)模型.模拟仿真三相逆...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
采用SDAE-FFNN网络的PMSM逆变器开路故障诊断研究Research on open circuit fault diagnosis of PMSM Inverter with SDAE-FFNN network
采用SDAE-FFNN网络的PMSM逆变器开路故障诊断研究.pdf
页:
[1]