|
| 基于深度学习模型的电动汽车轮毂电机故障诊断 |
|
| |
|
| 摘要点击次数: 44 |
| 全文下载次数: 26 |
| 中文摘要: |
| 随着分布式驱动系统的发展，轮毂电机作为电动汽车的关键部件之一，其运行可靠性备受关注。针对电动汽车轮毂电机永磁体失磁及绕组匝间短路的故障诊断问题，以定子无轭模块化（YASA）轴向磁通永磁同步轮毂电机（以下简称“YASA 电机”）为例，提出了一种结合时序卷积网络、双向门控循环单元与注意力机制的深度学习模型，用于对轮毂电机运行状态的识别与诊断。首先，通过有限元仿真获取电机在不同故障状态下的电动势作为检测信号；其次，通过生成对抗网络完成故障数据集扩张；最后，通过构建的深度学习模型对YASA电机的故障类型和严重程度进行分类。该方法故障识别准确率达到99.73%，可为电动汽车轮毂电机的高效维护及安全运行提供技术支撑。 |
| 英文摘要: |
| |
| 查看全文 查看/发表评论 |
| 关闭 |
|
|
|
