基于电-振信号联合的电动机故障诊断研究
惠阿丽1
周睿香1
韦鹏1
魏礼鹏2
荣相2
1.西安科技大学电气与控制工程学院,陕西西安 7100542.中煤科工集团常州研究院有限公司,江苏常州 213015;天地(常州)自动化股份有限公司,江苏常州 213015
摘要：针对煤矿井下电动机复杂工况下单一信号(电流、振动)故障诊断精度有限、多故障并存导致识别困难的问题,基于机电耦合特性及多传感器信息互补性,提出基于电-振信号联合的电动机故障诊断方法.分别对电动机电流信号和振动信号在时域、频域和时频域内捕获故障信息,在通道维度上融合生成包含多域信息的特征彩色图像,丰富故障表征信息.构建了一种嵌入改进卷积块注意力模块(ICBAM)的双通道残差网络(DCResNet)模型ICBAM-DCResNet,通过多层残差块和ICBAM的注意力机制,挖掘图像样本的深层特征,最后进行融合并实现分类,实现电-振信号联合的故障诊断.对比实验结果表明,多域融合相比单一分析域诊断精度更高,ICBAM-DCResNet模型比深度残差网络(ResNet)模型性能更好,对信号样本的特征提取能力更强.在公开数据集上的实验结果表明,基于电-振信号联合的电动机故障诊断方法的准确率达99.8％,对转子故障和轴承故障均能取得不错的识别效果,泛化性较好.
关键词：电动机故障诊断电流信号振动信号多域特征提取双通道残差网络卷积块注意力模块
分类号：TD61(矿山电工)
资助基金：陕西省重点研发计划项目(2024GX-YBXM-243)中国煤炭科工集团双创基金项目(2023-TD-MS005)
论文发表日期：2025-10-30
在线出版日期：2025-12-02（本平台首次上网日期，不代表文献的发表时间）
页数：9( 114-122 )
英文信息