龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：华北电力大学(保定)
摘要：本发明公开了一种基于CGAN‑CNN的同步电机转子匝间短路故障判别方法。该方法包括：首先构建条件生成对抗网络ConditionalGenerativeAdversarialNetworks，CGAN模型，输入带标签的样本集训练该模型，输出人工样本，与原样本混合后划分训练集和测试集；然后构建卷积神经网络ConvolutionNeuralNetworks，CNN模型，输入训练集训练该模型后，再输入测试集，判断模型有效性。本发明提供的同步电机转子匝间短路故障判别方法，能实现数据集非平衡情况下的故障诊断，生成样本相比于原样本避免了噪声和其他干扰，提高了故障诊断的准确率。
主权项：1.一种基于CGAN-CNN的同步电机转子匝间短路故障判别方法，包含以下步骤：步骤1：确定条件生成网络参数，构建条件生成对抗网络模型；步骤2：输入带标签的正常样本和故障样本，训练条件生成对抗网络模型；a.采集同步电机正常情况和转子匝间短路故障状态下的数据，将所得数据进行归一化处理，对不同运行状态数据加上标签；b.将归一化后的样本集输入模型，设置迭代次数，输出损失函数和生成的人工样本；步骤3：根据生成器和判别器损失函数，判断是否达到纳什平衡，是则获取模型输出的人工样本，转向步骤4，否则转向步骤2；步骤4：确定卷积神经网络参数，构建卷积神经网络模型；步骤5：将生成的人工样本与原样本混合，划分训练集和测试集，训练集用于训练卷积神经网络模型，若模型收敛转向步骤6，否则重复步骤5；训练卷积神经网络的参数设置如下：a.训练时的Batch_Size训练批次选择为1000，迭代次数为50次；b.梯度下降算法采用Adam优化算法，损失函数采用交叉熵损失函数；步骤6：输入测试集，验证模型可行性；步骤7：输入现场采集的数据，预处理后输入模型，判断转子是否存在匝间短路故障。
全文数据：
权利要求：
百度查询： 华北电力大学(保定) 一种基于CGAN-CNN的同步电机转子匝间短路故障判别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号