基于多传感器驱动的视觉信息融合的运动故障诊断.

科学领域:

• 电气工程 电气工程
• 人工智能的人工智能
• 信号处理 信号处理

背景情况:

• 准确的电机故障诊断对于工业系统至关重要.
• 现有的方法可能缺乏稳定性或需要高成本.
• 需要加强信号分析,以便可靠地检测故障.

研究的目的:

• 为工业电机提出一个新的故障诊断框架.
• 为了提高电机故障检测的准确性和稳定性.
• 为了实现低成本和高速的电机故障诊断.

主要方法:

• 使用电机电流和电磁信号.
• 将信号构成对称点模式 (SDP) 图像.
• 采用自我注意力增强的囊网络进行特征提取.
• 实施多通道图像融合方法.

主要成果:

• 该框架准确地确定了在不同负载下8种类型的电机故障.
• 达到高达99.95%的故障诊断率.
• 与单信号模型相比,证明了优越的稳定性和有效性.

结论:

• 开发的框架提供了准确可靠的电机故障诊断.
• 这种方法有利于低成本,高速的工业应用.
• 多传感器信号学习显著提高了诊断性能.