杨 柏，王 森，唐天瑶，段莹莹，张超臣，靳龙飞

（1.沈阳工程学院a.研究生部；b.自动化学院，辽宁沈阳 110136；2.大连大发电供热有限公司，辽宁大连 116023；3.国网沈阳供电公司，辽宁沈阳 110000）

电机故障诊断技术是基于电机故障机理的一门诊断技术。通过实时监测电机运行过程中的振动信号、温度、电气特性等状态，能够判断电机的运行是否正常。虽然我国的电机故障诊断技术起步较晚，但在不断发展的基础上也获得了许多成果[1]。

河南科技大学研究小组[2]将最小二乘支持向量机与位移实验相结合，提出了具有降低在线诊断计算量、保证故障判别率和泛化能力特点的泵油电机的故障诊断方法。基于变分模态分解的自适应形态学的提取特征量的方法，为提取滚动轴承信号的特征频率提供了理论支持。选取粒子群算法可以对滤波器进行优化，便于完成自适应滤波。为了提取故障特征信号，可以进行仿真实验并分析滚动轴承的故障原因，结合自适应形态学和其他调节方法进行比较[3]。张周磊研究小组提出了电机匝间短路故障诊断的新方法，样本数据的扩张、鲁棒的建立、训练合集多样性均由生成式对抗神经网络负责，再利用稀疏自编码深度学习网络完成高效而准确的故障诊断和故障分类，两者相结合的方法能够使诊断结果具有更高的准确性和高效性[4]。通过模糊神经网络优化专家系统的方法进行电机的故障诊断，利用模糊神经网络的自学习性，弥补专家系统学习性差的缺点[5]，最终达到大量获取电机故障特征量的目标，为故障诊断结果的准确率提供保障。……