[发明专利]一种基于混合CNN-LSTM的三相异步电机故障诊断方法和系统

权利要求书

1.一种基于混合CNN-LSTM的三相异步电机故障诊断方法，其特征在于，所述诊断方法包括：

采集电机状态信息和故障类型数据组，将故障类型数据组的数值与采集时间对应处理；

将故障类型数据组分为训练样本与测试样本，设置训练样本的标签；

遍历训练样本中的数据序列，挖掘深层特征并输出结果；

根据输出的结果构建CNN-LSTM深度学习模型对训练样本中的时间序列数据进行训练，确认CNN-LSTM深度学习模型的模型参数；

将测试样本输入CNN-LSTM深度学习模型，预测测试集并诊断设备故障。

2.根据权利要求1所述的一种基于混合CNN-LSTM的三相异步电机故障诊断方法，其特征在于，

所述电机状态信息包括电机的电流、电压、加速度、振幅、频率和频谱；

所述频谱的振动信号通过傅里叶函数转环得出。

3.根据权利要求1所述的一种基于混合CNN-LSTM的三相异步电机故障诊断方法，其特征在于，

所述标签为故障类型序列；

所述时间序列数据具体为原始数据和对原始数据挖掘的特征数据。

4.根据权利要求1所述的一种基于混合CNN-LSTM的三相异步电机故障诊断方法，其特征在于，

所述遍历训练样本中的数据序列之前，包括设定CNN的层数、滤波器大小、步长和通道。

5.根据权利要求3所述的一种基于混合CNN-LSTM的三相异步电机故障诊断方法，其特征在于，

所述遍历训练样本中的数据序列之前，还包括将训练样本的数据输入到CNN的卷积层中。

6.根据权利要求3所述的一种基于混合CNN-LSTM的三相异步电机故障诊断方法，其特征在于，

所述挖掘深层特征包括利用CNN的卷积池化操作、局部卷积、多核卷积和权值共享特性自动提取样本数据局部抽象信息。

7.根据权利要求6所述的一种基于混合CNN-LSTM的三相异步电机故障诊断方法，其特征在于，

所述提取样本数据的局部抽象信息的运算公式为：

其中，h为卷积核，u是被卷积信号，j是u的序号，k是Y的序号，n是u(j)的长度。

8.根据权利要求7所述的一种基于混合CNN-LSTM的三相异步电机故障诊断方法，其特征在于，

在进行运算前，需要将u按序列由小到大排列，h按序列由大到小排列，再将u和h的开头端对齐。

9.根据权利要求1所述的一种基于混合CNN-LSTM的三相异步电机故障诊断方法，其特征在于，

所述对时间序列数据进行训练包括对时间序列数据具有长短期记忆的优势进行训练。

10.根据权利要求9所述的一种基于混合CNN-LSTM的三相异步电机故障诊断方法，其特征在于，

所述对时间序列数据具有长短期记忆的优势进行训练包括LSTM长短记忆单元通过门控制器对有价值信息进行长期记忆，减少循环神经网络的梯度消失。