重庆理工大学学报(自然科学) ›› 2023, Vol. 37 ›› Issue (8): 99-108.
冯 莉,罗洪林,许水清
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(stackeddenoisingautoencoderfeedforward neuralnetwork,SDAEFFNN)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 SDAEFFNN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,SDAEFFNN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。
中图分类号: