基于MSK-CNN和多源机电信息融合的同步发电机故障诊断方法

• Published in: 电机与控制学报 Vol. 27; no. 1; pp. 1 - 11
• Main Authors: 马明晗, 侯岳佳, 李永刚, 贺鹏康, 齐鹏, 武玉才
• Format: Journal Article
• Language: Chinese
• Published: 华北电力大学 新能源电力系统国家重点实验室,河北 保定071003 2023
• Subjects: 多源机电信息融合; 多尺度融合; 多尺度核卷积神经网络; 故障诊断; 同步发电机; 深度学习
• ISSN: 1007-449X
• DOI: 10.15938/j.emc.2023.01.001

TM341; 同步发电机结构复杂且运行环境多变,传统的故障诊断方法依赖于专家的先验知识,易受噪声干扰,难以准确识别且耗时耗力.本文提出一种基于多尺度核卷积神经网络(MSK-CNN)和多源机电信息融合的同步发电机故障诊断方法,直接从原始信号中自动学习有效的故障特征,同时在单个框架中对故障类型进行分类,为同步发电机提供端到端的故障诊断系统,无需额外的信号处理和专家经验.首先通过多尺度核算法在不同尺度上并行获取互补且丰富的诊断信息,提高特征学习能力.然后采用多源机电信息融合,选取相电压、转子振动、定子振动信号分别作为输入进行特征融合.最后以一台SDF-9型1对极同步发电机为实验对象进行实验验证,故障诊断准确率为99.64％,与传统故障诊断方法进行对比,显示了该方法的优越性.