来源：期刊VIP网 时间：
作者：贾晗;尚前明;金华标;
单位：武汉理工大学船海与能源动力工程学院;
摘要：在实际的工程应用中，电机故障发生的频率极低，电机的故障数据通常较少，正常数据与故障数据存在严重的比例失衡，这对基于数据驱动的电机故障诊断方法提出了挑战。针对这一问题，该文提出一种多源信息融合的电机故障诊断方法。首先，采用快速谱峭度的特征提取方法将电机定子电流信号和振动加速度信号转化为谱峭度特征图像；其次，搭建一种双通道残差网络模型融合振动信号和电流信号的故障特征并完成故障分类；最后，利用实验台架所采集的5种故障电机数据对多源信息融合的故障诊断方法进行了验证。研究结果表明：在故障数据严重缺失的情况下，故障诊断准确度可以达到95%以上，远高于传统的基于数据驱动的故障诊断方法，同时该方法还可以同样应用于旋转机械设备的故障诊断，具备良好的泛化性。
关键词：故障诊断;;信息融合;;快速谱峭度法;;残差神经网络;;卷积注意力模块
基金资助：国家自然科学基金项目（51909200）;; 国家重点研发计划（2019YFE0104600）
