[发明专利]一种基于改进神经网络的电机故障检测方法

权利要求书

1.一种基于改进神经网络的电机故障检测方法，其特征在于，包括以下步骤：

1)采集电机在不同负载及不同故障类型下的运行数据，形成数据样本集；

2)构建基于改进神经网络的电机故障检测模型，并进行训练；

3)将现场采集的电机运行数据转换后输入到训练好的电机故障检测模型中进行检测，得到故障类型。

2.根据权利要求1所述的一种基于改进神经网络的电机故障检测方法，其特征在于，所述的步骤1)中，故障类型包括转子断条故障、气隙偏心故障、定子匝间短路故障以及轴承内圈、外圈和保持架故障。

3.根据权利要求1所述的一种基于改进神经网络的电机故障检测方法，其特征在于，所述的步骤1)中，电机的运行数据具体为电机定子的一维振动加速度数据，将电机定子的一维振动加速度数据转换为二维矩阵后构建数据样本集。

4.根据权利要求3所述的一种基于改进神经网络的电机故障检测方法，其特征在于，所述的数据样本集由训练集和验证集构成，所述的训练集用以训练电机故障检测模型，所述的验证集用以验证电机故障检测模型的精度。

5.根据权利要求1所述的一种基于改进神经网络的电机故障检测方法，其特征在于，所述的步骤2)中，基于改进神经网络的电机故障检测模型具体采用ERFFN模型。

6.根据权利要求5所述的一种基于改进神经网络的电机故障检测方法，其特征在于，所述的ERFFN模型的网络结构包括依次连接的扩感受野模块、聚焦模块、激活函数层、全局平均池化层和全连接层，所述的扩感受野模块用以接收输入的二维矩阵扩大感受野，增大特征的信息量，所述的聚焦模块用以提取特征。

7.根据权利要求6所述的一种基于改进神经网络的电机故障检测方法，其特征在于，所述的ERFFN模型采用扩张率为分别为1、2和5的三层扩感受野模块扩充特征提取范围。

8.根据权利要求6所述的一种基于改进神经网络的电机故障检测方法，其特征在于，所述的聚焦模块设有一个或多个。

9.根据权利要求6所述的一种基于改进神经网络的电机故障检测方法，其特征在于，所述的聚焦模块由三个卷积层、残差连接、最大池化子模块以及依次连接的阈值函数层、第一激活函数层和输出卷积层构成，所述的最大池化子模块包括依次连接的最大池化层、第一1*1*1的卷积层、第二激活函数层以及第二1*1*1的卷积层，用以进行降维去除冗余信息。

10.根据权利要求9所述的一种基于改进神经网络的电机故障检测方法，其特征在于，所述的阈值函数层将三个卷积层的输出特征、作为残差连接的第一个卷积层输出特征以及最大池化子模块的输出特征作为输入，并进行特征融合后激活。