无刷直流电机角域数据混合域泛化故障诊断

来源：电子测量技术杂志2025年第9期北京时间：

作者：陈银超，王涛，王凯，梁兆鑫，王睿

单位：中国航空工业集团公司成都飞机设计研究所 成都 610041

摘要：无刷直流电机（BLDC）在众多工业领域被广泛应用，BLDC在重要的应用场景中发生故障容易造成重大经济损失甚至人员伤亡，因此对其开展故障诊断研究具有重要意义。BLDC常处于变工况服役环境中，用于数据驱动模型训练的源域和目标域通常具有分布差异，现有众多学者利用域自适应迁移学习方法解决该问题。但是域自适方法需要在训练过程中访问目标域，这给模型的部署应用带来了不便。因此本文提出了角域数据混合域泛化网络解决此问题，所提方法能够利用BLDC不同工况的多个源域进行学习，挖掘域泛化知识，从而在未见过的目标域上具有较好泛化性能，具备一次训练，多应用场景部署能力。所提方法利用角域电流重采样方法将BLDC的时域电流转换为角域电流以缓解工况影响，基于卷积神经网络架构模型搭建故障诊断网络，并利用先进的数据增强方法Mixup对训练数据进行处理，改善模型泛化性能。最后基于丰富的BLDC故障实验数据将所提方法与其他先进方法相比，对比结果证明所提方法具备优异的域泛化故诊断性能。

关键词：无刷直流电机;故障诊断;域自适应;域泛化;角域重采样

基金资助：科工局项目（JCKY2022205A003)资助