来源：期刊VIP网 时间：
作者：徐丽;周腊吾;龙卓;周子靖;周宇微;吴子豪
单位：1.长沙理工大学电气与信息工程学院
摘要：为攻克电机系统故障特征提取困难及小样本数据难以满足模型训练需求的难题，研究一种高效精准的电机故障诊断方法。提出融合参数优化对称点模式（SDP）与语义分割模型U-net的诊断方案，先利用SDP分析电机三相振动信号，将故障特征转化为SDP图像，经对称性反色操作增强特征信号，再对生成图像进行数据泛化扩充，输入Unet网络上下采样处理，最后通过多层感知机完成故障分类。在0 HP、1 HP和2 HP三种负载工况下，对正常电机、断条电机、单相断路电机和转子错位电机进行测试，改进后的U-net模型故障诊断准确率超98%。实验表明，该方法有效解决电机故障诊断中的特征提取与小样本难题，在多种故障场景中展现出优异性能与可靠的诊断能力。
关键词：电机故障诊断;对称点模式;扩散模型;U-net神经网络;自注意力机制;多层次感知机
基金资助：国家自然科学基金(52407037); 湖南省自然科学基金(2018JJ2434); 湖南省教育厅科研项目基金(22C0138)
