基于杂散磁场信号螺旋曲线投影变换与ResNeXt-18的永磁直线电机偏心故障诊断

该文提出一种基于杂散磁通密度信号立体螺旋曲线投影面变换与ResNeXt-18深度学习框架相结合的方法,以实现永磁同步直线电机(PMSLM)偏心故障的非侵入式诊断。首先,建立PMSLM有限元模型,分析静态和动态偏心故障下的电机内部与杂散磁场分布。采用隧道磁阻效应(TMR)传感器并设计连接件,实现传感器与电机动子一体化设计,对电机外部杂散磁通密度信号进行实时非接触式测量。其次,引入立体螺旋曲线变换(TDSCT)信号处理算法,对电机偏心故障下的外部杂散磁通密度一维信号进行三维调制,并通过对多视角下二维投影面图像的拼接融合,实现故障特征的可视化增强。然后,引用深度学习ResNeXt-18分类框架,通过对杂散磁通密度信号二维投影面数据集的训练学习,实现偏心故障的定量精细化诊断,精度高达99.4%。与Xception,ResNet-18,GoogLeNet和CNN的对比实验表明,ResNeXt-18具有更高的诊断精度和鲁棒性。最后,搭建PMSLM样机实验平台,验证了该文所提方法的有效性。