极端条件下基于特征层面信号融合的电励磁双凸极电机匝间短路故障诊断

摘要

电励磁双凸极电机(WFDSM)具有结构简单、可靠性高等优点,适用于航空航天等环境恶劣领域。当发生小匝数短路故障时,由于其电流、振动等信号不会产生明显的变化,难以用传统的检测手段区分。因此,该文提出一种基于特征层面多源信号融合和改进神经网络的WFDSM匝间短路故障诊断方法,用于诊断极端环境下WFDSM早期匝间短路故障。首先,对电流信号进行经验模态分解,获得本征模态函数,同时对振动信号进行小波包变换,并对分解后的各个频段提取峭度和裕度特征,同时计算能量占比;然后,将上述特征矩阵处理后输入改进卷积神经网络训练模型中;最后,通过实验表明,采取特征融合的计算方法诊断准确率可达98%,较数据层面和结果层面的融合计算方法准确率有明显的提升,并且对极端运行环境下的噪声,该方法具有很强的抗干扰能力。