林跃森 吴思莹 庄佳扬 林泰民

摘要：本文对基于多尺度残差神经网络的无刷直流电机故障在线监测系统设计进行了研究，结合人工智能、机器学习和数据可视化等技术，将工业化和信息化进行融合，设计了一套能够在线监测以及诊断无刷直流电机故障的系统。

关键词：电机故障;深度学习;在线监测

中图分类号：TM921.5                                   文献标识码：A                                文章编号：1674-957X（2021）12-0095-02

0  引言

近些年，由于无刷直流电机大规模的研发和技术的逐渐成熟，其驱动系统在工业生产中的分布范围也随之扩大，已逐步成为工业自动化领域中的发展主流[1]。各大厂商也提供不同型号的电机以满足不同驱动系统的需求。在国内，纺织、冶金、印刷、自动化生产流水线、数控机床等工业生产方面，无刷直流电机都有涉猎。虽然无刷直流电机应用范围广，但一般工作环境恶劣，易引起机械和电气故障，进而导致财产损失和安全事故。基于此对基于多尺度残差神经网络的无刷直流电机故障在线监测系统设计进行了研究。

1  多尺度残差神经网络特点

采用人工神经网络中的多尺度残差深度神经网络，此网络不仅具有自学习、自适应、非线性映射及良好的泛化能力，还有以下特点：①相对于VGG神经网络来说，解决了随着网络深度的增加，准确率达到饱和然后迅速退化的问题。②在很大程度上解决了梯度消失和梯度爆炸的问题，它使得数十层甚至上千层的网络在反向传播的随机梯度下降上能够收敛。……