欢迎来到中国电源学会电子资源平台
会员 样本不均衡下基于CGAN-CNN的逆变器故障诊断方法
  • 23
  • 0
  • 0
  • 0
  • 2024/01/01
摘要
三相逆变器是电动汽车电机驱动系统的重要部件,当出现故障时因发生时间较短导致故障样本规模受限,进而造成样本不均衡。为解决上述问题,提出1种融合条件生成对抗网络CGAN( conditional generative adversarial network)与卷积神经网络CNN( convolutional neural network)的逆变器故障诊断方法。首先将相电流作为故障敏感信号,经快速傅里叶变换FFT( fast Fourier transform)得到其频域特征,并进行归一化预处理; 然后将各样本添加标签后输入CGAN模型进行对抗训练,生成各故障模式下的新样本。最后,采用CNN模型实现逆变器各类故障模式判别。实验结果表明,基于CGAN-CNN的故障诊断正确率可达98%以上,说明所提样本生成方法优于传统合成少数类过采样技术SMOTE( synthetic minority over-sampling technique)方法和生成对抗网络GAN( generative adversarial network)方法,可为新能源电动汽车智能运维提供理论支撑。
  • 若对本资源有异议或需修改,请通过“提交意见”功能联系我们,平台将及时处理!
来源
关键词
相关推荐
可试看前3页,请 登录 后进行更多操作
试看已结束,会员免费看完整版,请 登录会员账户 或申请成为中国电源学会会员.
关闭
温馨提示
确认退出登录吗?
温馨提示
温馨提示
温馨提示
确定点赞该资源吗?
温馨提示
确定取消该资源点赞吗?
温馨提示
确定收藏该资源吗?
温馨提示
确定取消该资源收藏吗?
温馨提示
确定加入购物车吗?
温馨提示
确定加入购物车吗?
温馨提示
确定移出购物车吗?