集思谱需要我帮你解读这件专利吗？
公开（公告）号CN123012921A | 申请号CN202611485397.7 | 专利类型发明专利 |
状态在审 | 国家或地区CN | 申请人上海电机学院 |
分类号G06F18/2433(2023.01), G01R31/52(2020.01), G01R31/72(2020.01), G01R31/34(2020.01), G06F18/2431(2023.01), G06F18/20(2023.01), G06F18/25(2023.01), G06F18/214(2023.01), G06N3/045(2023.01), G06N3/0475(2023.01), G06N3/0455(2023.01), G06N3/0464(2023.01), G06N3/094(2023.01), G06N5/04(2023.01), G06F123/02(2023.01), G06F18/23(2023.01), G06F18/21(2023.01) | 申请日2026-09-23 | 公开日2026-10-30 |
发布日期2026-10-30 | 文档 ID84661723423500003 | 源数据页码1638 |
专利语言zh | ||
本发明涉及一种基于样本扩充的随钻环境永磁同步电机匝间短路故障诊断方法和系统，方法包括：采集随钻环境下永磁同步电机的真实电流信号样本并预处理；基于样本的熵增信息对熵减生成网络进行训练；获取熵减用正态分布噪声信号，输入到熵减生成网络中生成噪声预测值，采用约束调制稀疏泛化生成算法根据噪声预测值，并结合累积的时序衰减系数进行跨多步逆向熵减推演，输出虚拟电流信号样本；将虚拟电流信号样本与真实电流信号样本融合对故障诊断模型进行迭代训练，以实时诊断匝间短路故障。与现有技术相比，本发明实现了多等级电机故障均衡高保真样本生成，提升了生成网络训练效率、收敛稳定性与诊断推理鲁棒性，并验证了在复杂随钻环境下的有效性。
附图 1