公开(公告)号：CN110376522A

公开(公告)日：2019-10-25

申请号：CN201910827717.6

申请日：2019-09-03

申请人： 宁夏西北骏马电机制造股份有限公司 ,  西安交通大学

发明人： 王博涛 ,  齐亚舟 ,  张忠德 ,  王孔照 ,  朱耿超 ,  沈传文

IPC分类号： G01R31/34

摘要： 一种数据融合的深度学习网络的电机故障诊断方法；该神经网络中包括数据压缩网络、特征提取网络和分类网络；其确定与训练方法为：1、采集电机的A,B两相电流信号和电机端部轴承的振动信号。进行数据标准化，通过希尔伯特-黄变换得到频谱序列，建立神经网络的数据集；2、建立深度神经网络，确定网络结构并初始化参数；3、将训练集输入神经网络，分别计算不同神经网络的损耗函数，并利用损耗值更新神经网络参数；4、将测试集的数据输入神经网络，计算准确率，重复步骤3直至准确率满足要求；训练结束后，神经网络可以将输入的电流、振动数据映射至特征平面，分类网络根据其所在区域对应的故障状态可预测电机是否发生故障。

公开(公告)号：CN110376522B

公开(公告)日：2021-07-16

申请号：CN201910827717.6

申请日：2019-09-03

申请人： 宁夏西北骏马电机制造股份有限公司 ,  西安交通大学

发明人： 王博涛 ,  齐亚舟 ,  张忠德 ,  王孔照 ,  朱耿超 ,  沈传文

IPC分类号： G01R31/34

摘要： 一种数据融合的深度学习网络的电机故障诊断方法；该神经网络中包括数据压缩网络、特征提取网络和分类网络；其确定与训练方法为：1、采集电机的A,B两相电流信号和电机端部轴承的振动信号。进行数据标准化，通过希尔伯特‑黄变换得到频谱序列，建立神经网络的数据集；2、建立深度神经网络，确定网络结构并初始化参数；3、将训练集输入神经网络，分别计算不同神经网络的损耗函数，并利用损耗值更新神经网络参数；4、将测试集的数据输入神经网络，计算准确率，重复步骤3直至准确率满足要求；训练结束后，神经网络可以将输入的电流、振动数据映射至特征平面，分类网络根据其所在区域对应的故障状态可预测电机是否发生故障。