机床与液压

作者：古玉锋，肖子叶，燕钢强，黎程山，李昆鹏

单位：长安大学道路施工技术与装备教育部重点实验室；长安大学道路施工技术与装备教育部重点实验室；长安大学道路施工技术与装备教育部重点实验室；长安大学道路施工技术与装备教育部重点实验室；长安大学道路施工技术与装备教育部重点实验室

关键词：异步电动机;故障诊断;多传感器融合

基金：国家自然科学基金项目（52205249）；陕西省自然科学基础研究计划项目（2022JQ-434）

针对电动机故障诊断方法中存在的单一传感器信号所含故障信息有限以及浅层学习模型故障诊断准确率较低等问题，提出一种基于多传感器融合的卷积神经网络（CNN）和长短期记忆（LSTM）网络的故障诊断方法。通过多传感器同步采集电动机的多源信息，并结合多源同类传感器信息的性质和特点，采用基于熵权法的数据加权融合方法，实现了电动机多源同类信息的数据层融合。构建CNN-LSTM故障诊断模型，自动提取多源异类信息的特征，完成特征层融合。最后，通过搭建三相异步交流电动机故障模拟实验平台，对该故障诊断算法进行实验验证。结果表明：该方法可有效实现电动机定子、转子及轴承的故障诊断，平均准确率达到99.53%，与1D-CNN、LSTM及仅使用单一振动信号的CNN-LSTM模型相比，准确率分别提高了6.41%、9.11%、28.39%。

来源：2025年第7期

《机床与液压》期刊编辑部

查看机床与液压杂志2025年第7期