基于CNN-A-BiLSTM的无刷直流电机故障诊断方法研究

来源：计算机测量与控制杂志2024年第9期北京时间：

作者：覃仕明,马鹏

摘要：无刷直流电机是大型设备重要的动力装置之一,电机的运行状态与设备的运行状态高度一致。但当前现有的电机故障诊断方法难以在多电机或存在电磁干扰的环境下对电机做出准确的状态判断。为了实现复杂环境的无刷直流电机状态诊断,研究融合了卷积神经网络算法和长短期记忆网络算法。研究通过长短期记忆网络算法的双向传播捕捉复杂环境对电机的影响特征,从而提高模型的诊断精准度。实验结果表明,提出模型在机电设备故障诊断数据集上的平均收敛时间为8.91min,在电机故障数据集上的平均收敛时间为12.66min,收敛时间均低于同组对照模型。其次提出模型的F1值为84.17%,比对照模型分别高出0.87%和5.08%。此外,在对电机故障前后电压检测情况对比中,提出模型对电机故障发生时的检测结果更为详细。根据实验结果可以得出,研究提出的电机诊断模型具有优秀的性能,满足电机诊断行业的精准度需求。

关键词：卷积神经网络;无刷直流电机;长短期记忆网络;激活函数;故障诊断

基金资助：广西壮族自治区科技计划项目(桂科AB20159008)