2025年01月21日，中国矿业大学电气工程学院王攀攀副教授及其所培养的硕士研究生王宇佩、张成、刘扬，在电气工程领域国内顶级中文期刊《中国电机工程学报》上共同在线发表了（网络首发）团队最新科研成果“仿真数据驱动的感应电动机定转子故障迁移识别方法”。

在工程实际中，感应电动机故障数据的匮乏已成为制约数据驱动诊断方法广泛应用于现场实际的“瓶颈”。为了摆脱对实际数据的依赖，提出了一种基于仿真数据驱动的感应电动机定转子故障迁移诊断方法。该研究首先通过有限元建模，产生电机不同健康状态下的电压和电流数据；然后，分析不同故障在瞬时功率中的表现，并将其中不同频率的故障特征分量转化为不同颜色的轨迹图形，进而形成多特征分量融合的图形化样本，用以降低仿真数据与实际数据间的分布差异，达到降低迁移识别难度的目的；最后，以该图形化样本作为输入，将仿真数据训练后的卷积神经网络直接应用于实际电机的故障辨识。实验结果表明，该方法在只学习仿真数据样本的情况下，仍能准确辨识出实际电机的定转子故障，且准确率高达97.7%，满足工程要求。

图1 图形化样本构建

图2 仿真数据驱动的感应电动机定转子故障迁移识别方法

图3 电机实验平台

本研究所提方法将有限元仿真、故障机理，以及CNN相结合，在实际数据样本完全缺失的情况下，实现了感应电动机定转子故障的高精度辨识，解决了工业现场缺乏电机故障数据的问题，为数据驱动诊断方法的工程应用提供了一种可行方案。

论文信息：

王攀攀,王宇佩,张成,等.仿真数据驱动的感应电动机定转子故障迁移识别方法[J/OL].中国电机工程学报,在线发表（网络首发）, DOI: 10.13334/j.0258-8013.pcsee.241867.

王攀攀，男，副教授，博士，中国矿业大学电网安全与节能研究所副所长。主要研究方向为电力系统关键设备故障诊断、电力系统谐波检测与治理，以及基于深度人工智能的故障特征提取与识别等。（个人主页：http://faculty.cumt.edu.cn/WPP1/zh_CN/index.htm）

新闻来源：王攀攀

图片来源：王攀攀

编辑：唐晓燕

审核：夏晨阳