【技术实现步骤摘要】
本专利技术属于永磁发电机故障诊断领域，具体涉及一种基于多通道特征融合的永磁发电机偏心故障诊断方法。
技术介绍
1、永磁同步发电机因其高功率密度和高效率，成为低速工况下的理想选择。然而，由于工作环境的复杂性，永磁同步发电机容易出现多种故障，特别是机械故障，其中又以转子偏心故障占比最大。转子偏心故障引发的不平衡磁拉力、振动和脉动转矩，可能导致设备振动、机械磨损、绝缘损坏等一系列问题，严重时甚至引发人员伤亡事故。因此，及时诊断转子偏心故障对于保障发电机的安全运行和减少停机时间具有重要意义。
2、在工业互联网、计算机技术和人工智能快速发展的背景下，传统的人工故障诊断正逐步被智能故障诊断取代，基于数据驱动的故障诊断方法逐步成为发电机等旋转机械故障诊断领域的解决方案之一。通过大量历史故障数据进行分析和建模，基于数据驱动的故障诊断方法可以实现故障的自动分类和诊断。传统的数据驱动方法通常依赖对原始数据的特征提取，再利用支持向量机、多层感知机或决策树等算法对故障进行分类。卷积神经网络因其卓越的特征提取能力，成为了基于数据驱动的故障诊断方法不可或缺的研究工具。
3、近年来，卷积神经网络（cnn）发展出了convnext模型，该模型在保持简洁性的同时，展现了高效的性能。然而，convnext在其本身的设计中，可能会忽视不同空间尺度信息之间的关联性；同时一维数据在特征提取过程耗时且复杂的问题，不同特征对结果的影响差异较大。此外，特征降维时可能导致重要信息的丢失，进一步影响诊断精度。
4、总体而言，卷积神经网络在永磁发
技术实现思路
1、为解决上述技术问题，本专利技术提供一种基于多通道特征融合的永磁发电机偏心故障诊断方法，以解决现有技术中的问题，本专利技术所采用的技术方案是：
2、一种基于多通道特征融合的永磁发电机偏心故障诊断方法，包括以下步骤：
3、步骤s1：数据采集，采集永磁发电机偏心故障模拟机组的三相电流信号；
4、步骤s2：构建递归二维融合图，将三相电流时序数据按相转为二维递归矩阵，并将三个二维递归矩阵映射到rgb三通道，形成一张彩色图像；
5、步骤s3：增加注意力机制，在convnext网络的convnext block模块中的layerscale层前融合cbam注意力模块，得到改进后的convnext block模块；
6、步骤s4：构建多尺度特征融合金字塔，从每个stage模块后提取特征图，通过上采样操作和横向连接，得到多个尺度的特征图，并在全局平均池化后将特征图拼接成一个特征向量；
7、步骤s5：网络搭建，基于原始convnext网络结构搭建新的网络；
8、步骤s6：网络训练，利用训练集对新的网络进行训练，并用测试集进行测试，得到偏心故障分类识别模型；
9、步骤s7：通过偏心故障分类识别模型识别永磁发电机偏心故障。
10、进一步的，步骤s2包括：
11、s21：采用互信息系数法，计算电流信号与对应延时信号的互信息量，根据互信息量的第一个局部最小值自适应选取最优延迟时间：
12、；
13、式中，为互信息量； n为电流信号长度；为[1，100]之间所设定的延迟时间；为第 t个点的电流信号；为电流信号的概率密度；为延时信号的概率密度；为电流信号和延时信号的联合概率密度；
14、使用最优时延对时间序列进行相空间重构，得到重构向量 x( t)：
15、；
16、式中， m为嵌入维数，是最优延迟时间；对于每一个时间点 t，通过计算重构向量 x( t)和其它时间点的重构向量之间的欧氏距离来判断其在相空间中的邻近关系：
17、；
18、式中， x i( t)、 x i( t+ k)分别是时间点 t和 t+ k对应的重构向量 x( t)、 x( t+ k)的第 i个分量；若在低维空间中相邻的两个点的距离较小，但在高维空间中其距离增大，则这些点被认为是假近邻关系：
19、；
20、式中，factor常数；随着维数 m的增加，假近邻比例逐渐下降，并在某个维数后趋于稳定，此时的维数为最优嵌入维数；
21、相空间重构后，通过计算重构向量之间的欧氏距离来判断相空间点的递归性，从而构建二维递归矩阵：
22、；
23、其中 ε为最小距离阈值，递归矩阵r的元素 r i, j表示时间序列第 i个点和第 j个点之间的递归关系； h为heaviside函数，如果两个点之间的距离小于或等于ε，则它们被视为递归点，标记为1；否则，标记为0；
24、s22：将得到的二维递归矩阵逐一归一化，并将其映射到r、g、b三通道并融合为一张彩色图像。
25、进一步的，步骤s3包括：
26、s31：convnext block模块包括一个深度卷积层和两个普通卷积层；还包括layerscale层，其处于最后一个卷积层之后；
27、s32：在layer scale层之前设置cbam注意力模块，cbam注意力模块包括特征输入端、通道注意力模块、空间注意力模块和特征输出端；
28、特征输入端将输入特征图转换为初始特征图，并将其传递给通道注意力模块，通道注意力模块对初始特征图进行通道信息增强，并将权重传递给第一特征映射节点，第一特征映射节点将通道注意力权重与初始特征图逐通道相乘，生成通道注意力增强后的特征图后并输出至空间注意力模块，空间注意力模块在空间域上处理该特征图，并输出空间注本文档来自技高网...
【技术保护点】
1.一种基于多通道特征融合的永磁发电机偏心故障诊断方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于多通道特征融合的永磁发电机偏心故障诊断方法，其特征在于，步骤S2包括：
3.根据权利要求1所述的一种基于多通道特征融合的永磁发电机偏心故障诊断方法，其特征在于，步骤S3包括：
4.根据权利要求1所述的一种基于多通道特征融合的永磁发电机偏心故障诊断方法，其特征在于，步骤S4包括：
5.根据权利要求4所述的一种基于多通道特征融合的永磁发电机偏心故障诊断方法，其特征在于，步骤S6包括：
【技术特征摘要】
1.一种基于多通道特征融合的永磁发电机偏心故障诊断方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于多通道特征融合的永磁发电机偏心故障诊断方法，其特征在于，步骤s2包括：
3.根据权利要求1所述的一种基于多通道特征融合的永磁发电机偏心...
【专利技术属性】
技术研发人员：何玉灵，刘振华，张文，郭鸿旭，庞子旺，代德瑞，王晓龙，徐明星，张翼，占鹭林，张娜，
申请(专利权)人：华北电力大学保定，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。