基于当前信号和Swin-BiGRU多式融合的PMSM辐射失调的智能诊断方法
Hao Yu1, Junhao Guo2, Hao Zhang3
1School of Mechanical and Electrical Engineering, Beijing Institute of Graphic Communication, Beijing, China. tutuyhtu@163.com.
Scientific reports
|September 26, 2025
概括
本研究介绍了一种使用Swin-BiGRU多式融合的智能方法,通过电流信号来诊断永久磁同步电机 (PMSM) 中的辐射失调,从而实现高精度. 这种方法有效地提取故障特征,改善运动诊断.
科学领域:
- 电气工程 电气工程
- 机械工程 机械工程
- 人工智能的人工智能
背景情况:
- 电机电流信号分析 (MCSA) 难以检测电机错位.
- 基于振动的方法具有高成本和安装挑战.
研究的目的:
- 提出一种智能诊断方法,用于使用当前信号来检测PMSM的辐射失调.
- 为了提高旋转机械的故障检测准确性和稳定性.
主要方法:
- 适应变化模式分解 (AVMD) 用于降低噪音.
- 马尔科夫转换场 (MTF) 用于时间序列到图像转换.
- 斯温-比格鲁多式融合与交叉注意力用于特征提取和融合.
主要成果:
- 实现了99.375%的平均诊断准确度,用于辐射错位 (0.5-1.5毫米).
- 保持了98.125%的准确性,即使没有AVMD无声化.
- 在诊断性能方面表现优于基准方法.
结论:
- 拟议的Swin-BiGRU多式融合方法有效用于诊断PMSM的辐射 misalignment.
- 该方法为工业电机故障检测提供了强大而准确的解决方案.
- 集成到自动化工业设备中的潜力,用于增强诊断.
