基于EMD-SDP图像特征和改进DenseNet车用PMSM故障诊断

永磁同步电机（permanent magnet synchronous motor,PMSM）因转速范围宽、输出转矩大、调速响应快、尺寸小、质量轻等优点被广泛应用于电动汽车驱动系统。受恶劣气候、异常振动和频繁起动-制动工况因素影响，PMSM易发生匝间短路、退磁、轴承磨损等故障。本文针对PMSM相似故障单一维度信号下难区分以及工作条件发生变化时传统诊断方法鲁棒性差的问题，提出了一种基于经验模态分解-对称点模式（empirical mode decomposition-symmetric dot pattern,EMD-SDP）图像特征和改进DenseNet相结合的车用永磁同步电机故障诊断方法。首先，通过实验获取不同状态的电机在多种工况下振动信号，将预处理的振动信号进行EMD处理，求解不同层级本征模态函数（intrinsic mode function,IMF）；其次，将原始振动信号转化为SDP图像，对不同层级IMF转化为RGB色彩特征在SDP图像上显示出来；然后，通过融合scSE注意力机制改进DenseNet学习图像数据集构建分类网络模型；最后，按照信号-图像-网络的流程对待测电机状态进...