机床与液压

作者：李富松，赵海宾，胡瑞雪，沈炳振，董宏刚

单位：河北交通职业技术学院汽车工程系；河北交通职业技术学院汽车工程系；河北交通职业技术学院汽车工程系；河北交通职业技术学院汽车工程系；河北工业大学机械工程学院;潍柴动力股份有限公司内燃机可靠性国家重点实验室

关键词：电动汽车;永磁同步电机;故障诊断;Transformer模型;编码器

基金：国家自然科学基金项目(52202465)

针对电动汽车永磁同步电机故障诊断中信号复杂多变和特征提取困难的问题，提出一种结合CNN和Transformer的故障诊断方法。该方法并行执行CNN和Transformer架构，在CNN编码器中嵌入一种MSCA机制，加强模型对局部空间信息的学习能力。同时，采用重叠图像块合并策略和高效自注意力机制改进Transformer的编码层，提高模型对全局时序特征的提取能力。然后，设计一种轻量化交叉编码器融合模块，将CNN和Transformer提取的局部和全局特征融合。最后，将CNN-Former应用于永磁同步电机的故障诊断中，测试所提方法的诊断性能。结果表明：CNN-Former实现了6种电机故障或状态的准确预测分类，准确率达到了97.86%，优于LSTM、2D-CNN、CNN-LSTM、Transformer和Swin Transformer故障诊断方法，同时模型实现了轻量化。

来源：2025年第10期

《机床与液压》期刊编辑部

查看机床与液压杂志2025年第10期