[发明专利]基于GCN和VMD-ED的新能源汽车三相异步电机故障识别

权利要求书

1.一种基于GCN和WPT-ED的三相异步电机故障部位识别方法，这种方法将图卷积神经网络(GCN)和变经验模态分解(VMD)、马氏距离(ED)进行融合，以新能源汽车三相异步电机作为应用对象进行故障部位识别；

VMD通过对每一级信号进行信号分解，用来提取出不同的特征，构建出特征向量；

ED用来计算不同的特征向量之间的距离，通过设置阈值，得到不同特征向量之间的相似度，是一种有效的计算样本集的相似度的方法；

GCN用来处理高维、非线性大数据等数据，把收集和预处理过的数据输入到GCN中，利用GCN实现故障分类，从而达到故障部位识别的方法。

2.根据权利要求1所述的基于GCN和VMD-ED的新能源汽车三相异步电机故障部位识别方法，其特征在于可以快速有效的识别新能源汽车三相异步电机的故障部位。

3.根据权利要求2所述的基于GCN和WPT-VMD的新能源汽车三相异步电机故障部位识别方法能够快速有效的识别新能源汽车三相异步电机的故障部位。其方法包括三个步骤：小波包变换实现信号特征提取、马氏距离计算特征向量之间的相似度、图卷积神经网络实现新能源汽车三相异步电机的故障部位识别。

4.根据权利要求1所述的基于GCN和VMD-ED的新能源汽车三相异步电机故障部位识别方法，其特征在于图卷积神经网络是一种新型的智能算法，该算法的诊断速度快、精确度高，具有很好的发展前景。