利用激励电流特征进行同步电机定子匝间短路诊断的物理信息域自适应方法
Jaros?aw Kozik
《Energies》:Physics-Informed Domain Adaptation for Stator Inter-Turn Short Circuit Diagnosis in Synchronous Machines Using Excitation Current Signatures
Jaros?aw Kozik
【字体:
大
中
小
】
时间:2026年05月08日
来源:Energies 3.2
摘要
大型同步电机定子绕组中的换相短 circuit 故障(ITSC)是电力系统中最为严重的故障之一,可能导致严重的绝缘损坏和计划外的停机。同时,由于这些故障在关键工业场景中的特性,很难收集到足够丰富且带有标签的数据集,以用于基于数据和深度学习的诊断方法。仅使用模拟信号训练诊断模型通常会导致数字孪生模型与实际物理机器之间存在严重的领域差异,这是由于非线性、机械噪声和测量不精确造成的,从而在模型实际应用时性能显著下降。本文提出了一种混合型诊断框架,该框架结合了基于非线性物理的同步电机数字孪生模型(采用扩展的 Park 转换模型和专用的故障回路)以及领域对抗神经网络(DANN),后者由 100 Hz 和 200 Hz 激励电流的谐波幅值组成的最小物理引导特征向量驱动。来自数字孪生的模拟数据用作带标签的源领域,而测试台上的激励电流测量数据则构成无标签的目标领域,从而实现无监督的从模拟到实际的定子故障电阻转移。所提出的架构能够在实验室机器上准确回归定子故障回路的电阻,而无需任何实际故障的标签测量数据。实验结果表明,在所研究的故障严重程度范围内,平均绝对误差(MAE)低于 3%,明显优于缺乏领域适应性的基线方法。该方法的工业意义在于它有可能促进从反应性维护向预测性维护的转变。通过实现早期检测,该框架使发电厂操作员能够避免灾难性故障,并显著降低与计划外停机和级联电网干扰相关的极高成本。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号