机床与液压

作者：王宇佩，王进龙，臧凤启，刘扬，张成，王攀攀

单位：国网江苏省电力有限公司泰州供电分公司；中国矿业大学电气工程学院；国能神东煤炭集团有限责任公司乌兰木伦煤矿；济宁市煤矿安全生产监测监控中心；中国矿业大学电气工程学院；中国矿业大学电气工程学院；中国矿业大学电气工程学院

关键词：感应电动机;故障诊断;深度学习;卷积神经网络;自编码器

基金：国家自然科学基金面上项目（52377019）

针对感应电动机定子电流信号中定转子故障分量易被基波和噪声分量淹没的问题，提出一种基于Hilbert模量和一维卷积去噪自编码器的故障诊断方法。对采集的定子电流信号进行Hilbert变换，构造其解析信号，进而求解Hilbert模量，消除基波对故障特征的影响；构建一维卷积自编码器网络，通过无监督学习提取故障特征，并引入去噪机制和宽卷积核提升特征提取的鲁棒性；通过少量标签样本训练分类器，实现定转子故障的分类；最后，搭建感应电动机故障诊断实验平台，通过实验验证所提方法的有效性和优越性。结果表明：所提方法在无噪声添加下识别率为100%，在20、17 dB噪声下的识别率达到90%以上，即使在15 dB噪声下的识别率仍达到82.25%；相较于常规故障诊断方法，具有更优的诊断性能和鲁棒性，为感应电动机定转子故障的智能化诊断提供了一种可靠思路。

来源：2026年第6期

《机床与液压》期刊编辑部

查看机床与液压杂志2026年第6期