仪器仪表学报

作者：王骁贤，陆思良，何清波，张世武

单位：王骁贤,1. 安徽大学电子信息工程学院，2. 中国科学技术大学精密机械与精密仪器系,,陆思良,3. 安徽大学电气工程与自动化学院,,何清波,4. 上海交通大学机械与动力工程学院,,张世武,2. 中国科学技术大学精密机械与精密仪器系,

关键词：电机故障诊断;多传感器信号;深度特征融合;双层双向长短期记忆网络;阶比分析

基金：国家自然科学基金（52075002）项目资助

本文提出一种利用多传感器信号深度特征融合的方法实现电机变转速工况下的故障诊断。首先从多传感器节点同步采集电机的多通道振动、声音和漏磁信号。对漏磁信号进行处理获取电机转子的累积转角曲线,随后利用累积转角曲线对振动和声音信号进行阶比分析处理。最后利用双层双向长短期记忆网络从经过预处理的多传感器信号中提取和融合特征以诊断电机故障。实验结果表明,通过提取和融合8通道的电机振动和声音信号,本文提出的方法能够有效识别电机的高阻接触、偏心、霍尔断线、相间短路、轴承等10类运行状态,分类准确率达到99.86%。该方法有望部署在物联网边缘计算节点中,实现电机的远程在线状态监测和故障诊断。

来源：2022年第3期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2022年第3期