复杂工况下的永磁同步电机典型绕组故障在线诊断OA北大核心CSTPCD

绕组故障作为永磁同步电机常见的故障之一,严重影响电机正常运行。但由于电机运行工况复杂,故障特征波动严重,基于故障特征的诊断精度较低。为提高复杂工况下绕组故障的诊断精度,该文提出一种复杂工况下基于控制器信号的在线诊断方法。首先,对典型绕组故障进行故障机理分析,并通过基于自适应随机窗的快速傅里叶变换(FFT),提取控制器信号的相应故障特征;其次,通过研究单一工况和复杂工况下的各故障特征分布,揭示部分故障特征会在低转速工况下失效;再次,定义了复杂工况下故障特征性能指标,用于筛选故障特征;最后,在人工神经网络的基础上,提出了深度优化人工神经网络,引入批量归一化(BN)算法,并对深度网络结构残差化,提高网络泛化能力和诊断准确性。实验结果表明,通过计算故障特征性能指标,能够在诊断前对故障特征进行有效筛选,且深度优化人工神经网络的诊断准确性高、泛化能力强,在复杂工况下能够实现电机典型绕组故障的精确在线诊断。