站酷网logo素材图库,成都网站建设推荐到访率公司,关于做网站的文献综述,wordpress个人中心代码运行环境要求#xff1a;TensorFlow版本2.4.0#xff0c;python版本3.6.0
1.电机常见的故障类型有以下几种#xff1a; 轴承故障#xff1a;轴承是电机运转时最容易受损的部件之一。常见故障包括磨损、疲劳、过热和润滑不良#xff0c;这些问题可能导致噪音增… 代码运行环境要求TensorFlow版本2.4.0python版本3.6.0
1.电机常见的故障类型有以下几种 轴承故障轴承是电机运转时最容易受损的部件之一。常见故障包括磨损、疲劳、过热和润滑不良这些问题可能导致噪音增加和电机性能下降。 绝缘老化电机绝缘材料随着使用时间的增加会老化失去绝缘性能导致绝缘击穿和电机短路。 绕组故障电机的绕组可能出现短路、开路或者匝间故障这些故障会导致电机失去正常运转能力。 电刷磨损对于一些直流电机电刷是关键部件其磨损会导致电刷与集电环之间的接触不良影响电机性能。 过载和过热电机长时间运行在超过额定负载或者额定温度的情况下会导致电机过热进而加速其它故障的发生。 风扇故障风扇是电机散热的重要组成部分若风扇故障导致散热不良电机温度升高从而加剧其它故障。 不良环境如果电机运行环境恶劣如潮湿、灰尘多、腐蚀性气体等会加速电机故障的发生。 频率变化对于变频驱动的电机频率的变化可能导致电机在某些转速下共振损坏电机。
以上仅列举了一些常见的电机故障类型实际情况还可能会更加复杂。
2.数据集介绍经过上面的电机常见故障分析这里针对轴承部位故障绕组故障等情况采集数据 正常电机的采集数据3个通道采集振动信号3个通道采集电压信号 正常电机下一共采集362941行数据 其它故障状态下分别采集了140801行数据左右 因为现实中故障数据相比正常数据难以获得所以实验室里采集的正常电机的信号比故障下的信号要多。 2.模型 首先经过尝试发现第3个振动通道采集的数据对故障更加敏感这里只选用了第3个振动通道采集的数据作为特征信号。经过重叠采样1024的长度切割。
模型采用的就是一维MSCNN结合LSTM结合Attention模型 实验效果训练集与测试集比例为4:1 对代码感兴趣可以关注最后一行 import pandas as pd
import numpy as np
from keras.utils import np_utils
from sklearn import preprocessing
import tensorflow as tf
from matplotlib import pyplot as plt
plt.rcParams[font.sans-serif][simhei] # 添加中文字体为黑体
plt.rcParams[axes.unicode_minus] False
X0pd.read_excel(断条.xlsx)
X1pd.read_excel(偏心.xlsx)
X2pd.read_excel(匝间短路.xlsx)
X3pd.read_excel(轴承内圈.xlsx)
X4pd.read_excel(轴承外圈.xlsx)
X5pd.read_excel(正常.xlsx)
#压缩包https://mbd.pub/o/bread/mbd-ZJybl5lx
