深度学习理论及其在电机故障诊断中的研究现状与展望

电机已经被广泛应用到人们生产生活的各个领域中,电机的故障不但会对电机本身会造成损害,甚至会引发经济损失、人员伤亡等各种问题。因此,将及时且高效的故障诊断技术应用于电机有着重要意义。相比较传统故障诊断技术而言,深度学习因其更强大更复杂的数据表达能力,已被应用于电机故障诊断领域,并取得了一定的研究成果。因此,介绍了深度置信网络(DBN)、自编码网络(AE)、卷积神经网络(CNN)和循环神经网络(RNN)这四类经典的深度学习模型,并总结了这四类模型在电机故障诊断中的应用。最后对深度学习在电机故障诊断领域中所面临的问题和挑战进行了总结和展望。

基于LSTM的交流电机系统故障诊断方法研究

交流电机在人们生产及日常生活的各个领域中被广泛应用,并为生产力水平的进步以及日常生活水平的提升做出了重要贡献。电机系统的故障不仅会损害电机系统本身,严重时会导致大量经济和资源的损失与浪费,甚至威胁人身安全,所以,研究电机系统故障诊断方法对保障交流电机系统安全运行具有重要的现实意义。相较于传统故障诊断技术,深度学习方法在“大数据”的背景下,拥有更强大的数据学习能力和表达能力,已开始被应用于电机系统故障诊断领域,发表了一系列相关成果。因此,本文提出一种基于长短时记忆网络的交流电机系统故障诊断方法,并进行交流电机故障模拟的仿真和实验,结果表明所提方法具有高准确率。