基于深度学习的电机设备健康状态感知系统设计

电机故障参数的波动性,导致对其健康状态的感知结果准确性较低。为此,本研究提出基于深度学习的电机设备健康状态感知系统设计研究,以FLTQ-665型法兰式扭矩传感器和TPQL3320控制柜作为系统的硬件环境,当TPQL3320接收到FLTQ-665采集的电机运行参数信息后,采用自适应算法将其分割为正常健康数据和异常数据。对于异常数据,利用深度学习中的BP神经网络对数据进行正向传播和误差逆传播,确定异常特征,实现对故障的感知。测试结果表明,设计系统对电机设备健康状态感知的准确性可以达到99%以上。