基于博弈映射学习的多传感源信息融合三相电机智能故障诊断方法.pdfVIP

2023 年 9 月 电 工 技 术 学 报 Vol.38 No. 17 第 38 卷第 17 期 TRANSACTIONS OF CHINA ELECTROTECHNICAL SOCIETY Sep. 2023 DOI:10.19595/ki.1000-6753.tces.220936 基于博弈映射学习的多传感源信息融合 三相电机智能故障诊断方法 1,2 1,2 1,2 1,2 1,2 任翔宇 秦 勇 王 彪 贾利民 程晓卿 （1. 轨道交通控制与安全国家重点实验室（北京交通大学） 北京 100044 2. 北京交通大学交通运输学院 北京 100044 ） 摘要 利用多传感数据能够全面地诊断三相电机的各类机械或电气故障，然而现有的智能诊 断方法缺乏有效的关键故障信息挖掘与跨传感源特征聚合学习机制，导致其诊断效果不佳。针对 以上问题，该文提出一种基于博弈映射学习的多传感源信息融合三相电机智能故障诊断方法。首 先，使用多个并行的自学习特征映射网络从各传感数据中自动地提取故障特征；然后，构建传感 源鉴别器并使其与自学习特征映射网络形成博弈关系，精炼故障特征并引导其跨传感源分类聚合； 之后，将样本差异度量损失函数引入到优化目标中，以确保各类故障特征之间的空间可分性；最后， 利用故障模式识别器进行多传感故障特征融合诊断。实验结果表明，该方法能够基于振动、电流、 声等多传感数据准确地诊断三相电机轴承故障、转子故障及电气故障，且诊断性能优于现有方法。 关键词：三相电机 智能故障诊断 多传感源信息融合 对抗学习 信息度量 中图分类号：TM307.1 0 引言 层节点，如支持向量机、梯度提升树、自组织神经 网络等。这些模型的结构相对比较简单，易于迭代 作为旋转机械的重要动力源，三相电机广泛应 训练，但其表征学习能力弱。因此，基于浅层模型 用于轨道交通、石油化工、汽车制造、煤炭冶金等 工业生产与社会生活的各个领域[1] 。三相电机的性 的方法通常需要先借助信号处理等技术设计故障特 征提取算法，然后再以这些故障特征为输入训练浅 能状态往往直接影响生产效率与产品质量，一旦发 层模型，进而识别三相电机的健康状态。例如，文 生故障，轻则导致生产工作停顿造成经济损失，重 献[5]设计了广义精细复合多尺度样本熵算法从振 则引发安全事故导致人员伤亡。因此，利用监测传 动信号中提取故障特征，然后利用改进支持向量机 感器获取的振动、电流、温度等信号对三相电机故 诊断三相电机的轴承故障；文献[6]采用离散小波变 障进行及时诊断并采取相应的维护措施，对保障其 换对三相电机振动信号进行去噪，使用马氏距离作 安全、可靠、高效运行具有重要的现实意义。 为判断准则筛选故障特征并输入至支持向量机中进 随着工业互联网的快速发展与普及应用，三相 行故障分类；文献[7]基于小波包分解算法计算振动 电机的监测数据规模呈指数级增长，监测传感器的