基于WP-LSTM的偏心转子马达故障诊断方法

为解决智能设备中的偏心转子马达故障检测准确性与效率低下等问题,提出一种基于小波包与长短时记忆网络( Wavelet Packet-Long Short Term Memory,WP-LSTM)的故障诊断方法.首先,将偏心转子马达的电压信号进行小波包分解,对高频信号进行重构.其次,将重构信号作为特征向量输入到3层LSTM网络中,依靠LSTM网络的记忆特性充分学习非稳态信号中具有时序性的故障特征信息,再利用模型诊断出马达断线、卷线、电刷不良和接触不良故障.最后,通过实验验证了所提方法的可行性,且准确率高达98. 91% .与现有的马达故障诊断方法相比,基于WP-LSTM的诊断方法具有更好的诊断效果,对提高故障诊断的准确率有一定的作用.