基于Vision Transformer的永磁同步电机故障智能诊断

作     者：蒋亦悦 卞东石 焦世琪 张晓飞 JIANG Yiyue;BIAN Dongshi;JIAO Shiqi;ZHANG Xiaofei

作者机构：中国船舶及海洋工程设计研究院上海200011 湖南大学电气与信息工程学院湖南长沙410082 

出 版 物：《微电机》 (Micromotors)

年 卷 期：2024年第57卷第10期

页      面：20-25页

学科分类：080801[工学-电机与电器] 0808[工学-电气工程] 08[工学] 

基　　金：湖南省杰出青年基金项目(2024JJ2024) 国家自然科学基金项目(52077064) 

主　　题：二维图像 Vision Transformer 电机故障诊断 

摘      要：针对电机运行过程中故障信号数据量少的问题,本文提出了一种基于Vision Transformer的永磁同步电机智能故障诊断方法。该方法首先通过格拉姆矩阵(Gram)、相对位置矩阵(RPM)方法将传感器获取的一维时序信号数据转换为二维图像数据,然后将矩阵图像数据作为ViT-B/16网络的输入进行故障诊断。经过实验验证,该方法能够对永磁同步电机正常、轴承故障、退磁故障等8种状态进行识别和分类,其中使用Gram矩阵图像作为该方法输入的准确率达到99.2%,使用RPM矩阵图像作为输入准确率达到99.6%,均高于AlexNet、VGG16、ResNet等卷积网络的故障分类准确度,证明该方法可有效提高永磁同步电机故障诊断的准确度。