基于机电信号融合的电励磁双凸极电机绕组匝间短路故障诊断

作     者：赵耀 陆佳煜 李东东 杨帆 朱淼 Zhao Yao;Lu Jiayu;Li Dongdong;Yang Fan;Zhu Miao

作者机构：上海电力大学电气工程学院上海200090 电能传输与功率变换控制教育部重点实验室(上海交通大学)上海200240 

出 版 物：《电工技术学报》 (Transactions of China Electrotechnical Society)

年 卷 期：2023年第38卷第1期

页      面：204-219页

核心收录：

学科分类：080801[工学-电机与电器] 0808[工学-电气工程] 08[工学] 0702[理学-物理学] 0823[工学-交通运输工程] 

基　　金：国家自然科学基金(51977128) 上海市自然科学基金(21ZR1425400) 电力传输与功率变换控制教育部重点实验室开放课题(2021AA01) 上海市青年科技启明星计划(21QC1400200)资助项目。 

主　　题：电励磁双凸极电机 短路故障 机电信号融合 卷积神经网络 支持向量机 

摘      要：定子绕组匝间短路是电励磁双凸极电机常见的故障,当匝间短路故障匝数较少时,对电机磁场的影响较小,使得难以通过单一故障特征精确地识别故障。该文通过分析该电机的本体结构和故障特征的提取机理,提出了一种基于振动和相电流信号的多源机电信号融合的电励磁双凸极电机短路故障综合诊断方法——基于多分类支持向量机及改进卷积神经网络的信号融合故障诊断。该文首先根据电励磁双凸极的结构特点研究了短路故障发生时特征信号的变化情况及提取机理;其次根据理论分析结果提出了一种自寻优卷积神经网络结合支持向量机的多源信号融合的故障诊断方法,该方法首先分别利用两种算法计算两个单信号特征下的故障诊断概率,再利用DS证据理论,得出融合后的诊断结果;最后通过实验表明,该文所提出的诊断方法可以更有效地识别电机不同的短路故障,降低了误判率,解决了单一信号源诊断方法精度较低的问题,具有良好的可靠性和互补性。