基于半监督学习与轻量化神经网络的DTP-PMSM在线开路故障诊断方法

著录项目

摘要

基于半监督学习与轻量化神经网络的DTP‑PMSM在线开路故障诊断方法，涉及电机驱动系统故障诊断技术领域。采集多工况六相电流数据，经滑动窗口分割与VSD变换得到特征向量；搭建TS‑Match半监督框架训练轻量化MLP网络，融合监督损失与无监督一致性损失；设计两阶段OOD拒识机制识别未知故障；对模型剪枝、微调、量化后部署至DSP；在线周期采集电流，依次完成VSD变换、模型推理与故障判别，输出健康、已知或未知故障结果。能够解决现有技术中故障样本标注成本高、未知故障易误判、深度模型难以在DSP端实时部署的问题，实现少标签条件下的高精度开路故障诊断、未知故障可靠拒识以及嵌入式边缘端实时运行。

附图

附图 1