来源：期刊VIP网 时间：
作者：马明晗;侯岳佳;李永刚;贺鹏康;齐鹏;武玉才;
单位：新能源电力系统国家重点实验室(华北电力大学);
摘要：为提高同步电机转子绕组匝间短路故障的诊断准确率，以一台型号为SDF-9的一对极同步发电机为研究对象，提出了一种基于二维卷积神经网络(Convolutional Neural Networks, CNN)与多源机电信息融合的匝间短路故障诊断方法。首先选取故障前后的定子环流、转子振动、定子振动信号为故障特征，采用信号-图像转换方法将一维时序信号转化为二维灰度图像。其次将处理后的图像分别作为二维CNN模型的前置输入进行训练。最后采用D-S证据理论将3种证据体的输出概率进行决策融合。结果表明：该方法消除了单一信号易受传感器故障及环境变化的影响，故障诊断准确率显著提高，并与其他传统故障诊断算法的诊断结果进行对比分析，验证了此方法的有效性。
关键词：同步电机;;转子绕组匝间短路故障;;D-S证据组合;;故障诊断;;卷积神经网络
基金资助：国家自然科学基金资助项目(51777075,52177042);; 河北省自然科学基金资助(E2020502064);; 中央高校基本科研业务费专项资金资助项目(2021MS066)
