基于不完整数据集的异步电动机故障诊断方法 费莉（Fei Li）， 杨森泉（Senquan Yang）， 任绍军（Shaojun Ren）， 安楠（Nan An）， 李曦（Xi Li）， 司凤琪（Fengqi Si）

《Energies》：Fault Diagnosis Method for Asynchronous Motors Based on Incomplete Dataset Fei Li, Senquan Yang, Shaojun Ren, Nan An, Xi Li and Fengqi Si

　　

摘要

为了确保工业能源网络的安全和稳定运行，必须能够可靠地检测异步电机的故障。然而，在实际应用中，当面对数据集不完整或高质量样本有限的情况时，诊断模型通常会出现泛化能力差和误报率高的问题。为了解决这些难题，本文提出了一种结合PCA（主成分分析）和KPLS（核偏最小二乘法）的多保真度诊断方案。该方法首先利用低保真度数据构建PCA模型以提取基本特征，然后通过KPLS整合少量高保真度目标数据，从而建立跨领域特征映射，实现不同保真度数据之间的知识传递。数学仿真和基于主风机的工程案例研究结果表明，与仅使用低保真度或高保真度数据的模型相比，该方案具有更高的预测准确性和更低的均方根误差，显著减少了误报率，并在训练样本不足的情况下提升了故障诊断的准确性和模型的泛化能力。