基于灰度图像和轻量级CNN-SVM模型的电机故障检测方法

摘要

本发明公开了一种基于灰度图像和轻量级CNN‑SVM模型的电机故障检测方法及系统，涉及电机故障诊断领域和深度学习领域，方法包括以下步骤：获取待测试电机的时序信号；基于经验模态分解将时序信号分解为一系列本征模态函数；采用K‑L散度法衡量各个本征模态函数与原始信号的相似性，筛选包含故障信息的敏感分量；基于格拉姆角场法和图像压缩技术，将敏感分量编码为灰度图像，作为样本集；建立基于改进平衡优化器算法优化的新型轻量级CNN‑SVM电机故障检测模型，输入图像样本至CNN‑SVM模型，输出待测试电机的故障诊断结果。本发明将图像处理技术以及深度学习技术和电机的故障检测相融合，能够自适应地逐层提取原始信号中的深层规律，避免了复杂的人工特征提取，实现了端到端的电机大数据特征挖掘及智能化故障检测，有效提高了故障诊断算法的精确度。