摘要
针对感应电动机仅基于电流的跨速度故障诊断中存在的故障特征不明显、目标速度样本标签不可用，以及源速度域与目标速度域之间的频谱分布差异等问题，本文提出了一种结合FFT-LPS、MSDRNet-1D和DAN的无监督领域自适应方法。首先，将三相定子电流窗口样本转换为FFT对数功率谱，从而突出基频附近的旁带信号、谐波结构以及局部频段干扰。接着，MSDRNet-1D作为一种用于一维电流谱的多尺度深度可分离残差网络，能够识别出局部频谱峰值、邻近频段的干扰以及跨频段相关性。最后，基于多核最大均值差异的DAN机制，可使得在有标签的源速度条件下和无标签的目标速度条件下的深度特征分布保持一致。在自行构建的电机电流数据集以及IEEE DataPort公开的三相感应电动机断转子棒数据集上的实验表明，所提出的框架在各项对比方法中具有最佳的总体性能，并且在噪声和负载变化的情况下依然能有效工作。实验结果说明，紧凑的频谱表示方式、分层次的多尺度特征提取以及统计领域的对齐方法，非常适合用于变工况下的基于电流的电机故障诊断。
