基于深度强化学习的PMSM匝间短路故障诊断方法

摘要

永磁同步电机(PMSM)凭借其稳定性强、损耗低、效率高、体积小、调速范围宽等优势而广泛应用于水下航行推进等领域.文中针对PMSM匝间短路故障,采用深度强化学习方法中的Deep-Q-Net-work(DQN)算法进行故障诊断.首先使用Maxwell软件建立PMSM模型并分析电机不同状态下三相电流、最低磁密度和电磁转矩的相关变化,采集上述五维特征分量构建特征数据集并组成电机故障样本,然后使用深度强化学习DQN算法对样本集和测试集进行数据训练与分析,通过调节神经元节点数、迭代次数、学习率和经验回放数等,提高算法诊断准确率,最终得到该算法对PMSM故障诊断的准确率高达99.61％,从而验证了该算法在PMSM故障诊断方面的有效性.