基于改进的SDP点对称特征融合图像的电机故障诊断

来源：计算机测量与控制杂志2025年第11期北京时间：

作者：罗瑜,樊赫,郎启发

单位：陕西工业职业技术学院 电气工程学院

摘要：针对传统时频分析方法在复杂工况下电机故障信号处理中存在的抗噪能力弱、特征区分度低等问题，提出一种基于改进对称点模式特征融合图像的电机故障诊断方法。采用变分模态分解对故障信号进行自适应分解，结合粒子群优化算法动态调整SDP镜像对称平面旋转角θ、时间间隔参数l、角度放大因子ξ等关键参数，生成多模态信号融合的SDP图像；并构建轻量化卷积神经网络模型对电机故障诊断进行了研究。以变频三相异步电机为实验对象，对正常、匝间短路、气隙偏心、转子断条四类工况采集1200组振动信号样本进行验证；结果表明，所提方法在故障诊断中实现了100%的准确率，优于支持向量机的97.85%、随机森林95.24%，在-6dB强噪声环境下仍保持98.76%的准确率，验证了其鲁棒性。该方法通过参数优化与特征融合提升了噪声环境下的诊断可靠性，为电机实时监测与智能诊断提供了有效解决方案。

关键词：电机故障诊断;SDP方法;VMD;参数PSO寻优;特征融合;CNN模型

基金资助：陕西工业职业技术学院自然科学类科研项目（2024YKYB-001）