一种基于CGAN-CNN的同步电机转子匝间短路故障判别方法

摘要

本发明公开了一种基于CGAN‑CNN的同步电机转子匝间短路故障判别方法。该方法包括：首先构建条件生成对抗网络(Conditional Generative Adversarial Networks，CGAN)模型，输入带标签的样本集训练该模型，输出人工样本，与原样本混合后划分训练集和测试集；然后构建卷积神经网络(Convolution Neural Networks，CNN)模型，输入训练集训练该模型后，再输入测试集，判断模型有效性。本发明提供的同步电机转子匝间短路故障判别方法，能实现数据集非平衡情况下的故障诊断，生成样本相比于原样本避免了噪声和其他干扰，提高了故障诊断的准确率。