-
公开(公告)号：CN114358077A
公开(公告)日：2022-04-15
申请号：CN202111674484.4
申请日：2021-12-31
Applicant: 湖南大学
Abstract: 本发明公开了一种永磁同步电机退磁故障诊断模型构建方法及故障诊断方法和系统，并适用于多工况和变工况，其中，本发明所述方法将电机表面漏磁信号作为故障诊断的原始信号，并将其拓展为对称点阵图像，进而提取对称点阵图像的多类局部高层特征，并进行融合，最后利用融合后的特征构建分类器，尤其是优选构建模糊多模型分类器进行故障诊断，可以有效提高故障诊断结果的精度，其中，对称点阵图像对工况具备较强的不变适应性，并通过图像的多类局部高层特征的融合提升了特征的有效性，进一步保证了模型的准确性，高精度识别退磁故障，有效解决了多工况和变工况下永磁同步电机退磁故障诊断的难题。
-
Patent Agency Ranking
公开(公告)号：CN112541524B
公开(公告)日：2024-04-02
申请号：CN202011294362.8
申请日：2020-11-18
Applicant: 湖南大学
IPC: G06F18/214 , G06F18/241 , G06F17/16 , G06F17/14 , G01R31/34
Abstract: 本发明公开了一种基于注意力机制改进的BP‑Adaboost多源信息电机故障诊断方法，包括获取被诊断电机获取P种传感器的时域数据；进行降采样然后再通过Hilbert变换和FFT变换提取频率幅值和相位作为输入特征，将P种传感器的输入特征输入预先训练好的基于注意力机制改进的BP‑Adaboost分类器得到电机的状态。本发明利用基于注意力机制改进的BP‑Adaboost，对不同来源的数据信息进行单独学习训练，形成不同次级分类器的初步诊断，且通过注意力机制将故障诊断方法聚焦到重点测量手段信息，以此来提升信息筛选和判别的能力，并得到最终诊断结果，大大提高电机系统的故障诊断的稳定性和精度。
-
公开(公告)号：CN112541524A
公开(公告)日：2021-03-23
申请号：CN202011294362.8
申请日：2020-11-18
Applicant: 湖南大学
Abstract: 本发明公开了一种基于注意力机制改进的BP‑Adaboost多源信息电机故障诊断方法，包括获取被诊断电机获取P种传感器的时域数据；进行降采样然后再通过Hilbert变换和FFT变换提取频率幅值和相位作为输入特征，将P种传感器的输入特征输入预先训练好的基于注意力机制改进的BP‑Adaboost分类器得到电机的状态。本发明利用基于注意力机制改进的BP‑Adaboost，对不同来源的数据信息进行单独学习训练，形成不同次级分类器的初步诊断，且通过注意力机制将故障诊断方法聚焦到重点测量手段信息，以此来提升信息筛选和判别的能力，并得到最终诊断结果，大大提高电机系统的故障诊断的稳定性和精度。
-
公开(公告)号：CN114282580B
公开(公告)日：2024-08-23
申请号：CN202111668865.1
申请日：2021-12-31
Applicant: 湖南大学
IPC: G06F18/2415 , G06F18/2131 , G06F18/25 , G01R31/34
Abstract: 本发明公开了一种基于视觉图像的永磁驱动电机退磁故障诊断模型构建方法及故障诊断方法和系统，其中，本发明所述方法将电机表面漏磁信号作为故障诊断的原始信号，并将其转换为二维傅里叶频谱图，进而提取全局特征和局部特征并进行融合。最后利用融合后的特征构建分类器，尤其是优选softmax分类器进行故障诊断。本发明采用二维傅里叶变换将一维时域信号转换为频谱图，展现了时域信号中隐藏的有效故障特征；并通自编码器方法提取图像的视觉特征提升了特征的有效性，采用结构简单计算量少的softmax分类器进行故障诊断，有效地解决了电动汽车用永磁驱动电机退磁故障诊断难题。
-
公开(公告)号：CN114358077B
公开(公告)日：2024-08-20
申请号：CN202111674484.4
申请日：2021-12-31
Applicant: 湖南大学
IPC: G06F18/243 , G06F18/213 , G06F18/25 , G01R31/34 , G01R33/12
Abstract: 本发明公开了一种永磁同步电机退磁故障诊断模型构建方法及故障诊断方法和系统，并适用于多工况和变工况，其中，本发明所述方法将电机表面漏磁信号作为故障诊断的原始信号，并将其拓展为对称点阵图像，进而提取对称点阵图像的多类局部高层特征，并进行融合，最后利用融合后的特征构建分类器，尤其是优选构建模糊多模型分类器进行故障诊断，可以有效提高故障诊断结果的精度，其中，对称点阵图像对工况具备较强的不变适应性，并通过图像的多类局部高层特征的融合提升了特征的有效性，进一步保证了模型的准确性，高精度识别退磁故障，有效解决了多工况和变工况下永磁同步电机退磁故障诊断的难题。
-
公开(公告)号：CN114282580A
公开(公告)日：2022-04-05
申请号：CN202111668865.1
申请日：2021-12-31
Applicant: 湖南大学
Abstract: 本发明公开了一种基于视觉图像的永磁驱动电机退磁故障诊断模型构建方法及故障诊断方法和系统，其中，本发明所述方法将电机表面漏磁信号作为故障诊断的原始信号，并将其转换为二维傅里叶频谱图，进而提取全局特征和局部特征并进行融合。最后利用融合后的特征构建分类器，尤其是优选softmax分类器进行故障诊断。本发明采用二维傅里叶变换将一维时域信号转换为频谱图，展现了时域信号中隐藏的有效故障特征；并通自编码器方法提取图像的视觉特征提升了特征的有效性，采用结构简单计算量少的softmax分类器进行故障诊断，有效地解决了电动汽车用永磁驱动电机退磁故障诊断难题。
-
-
-
-
-
Search Results
6
records
(took 0.014 seconds)
