基于DCNN的电动机故障分类：基于全向天线的传输系数和反射系数
信号处理
2025-11-04 v1
摘要
电动旋转机器机最常用于该领域的是感应电机。本文提出了一种基于天线的方法，用于使用天线的反射系数S11和传输系数S21对感应电机的故障进行分类。S11和S21的频谱图被发现具有各种故障条件的独特特征，可用于分类。为学习所需的特征和分类边界，应用深度卷积神经网络(DCNN)对S参数的频谱图进行处理。DCNN使用S11可达到93%的分类精度，使用S21可达到98.1%的分类精度，使用S11和S21可达到100%的分类精度。还讨论了天线工作频率、其位置以及信号持续时间对分类精度的影响。
引用
@article{arxiv.2511.01371,
title = {Classification of motor faults based on transmission coefficient and reflection coefficient of omni-directional antenna using DCNN},
author = {Sagar Dutta and Banani Basu and Fazal Ahmed Talukdar},
journal= {arXiv preprint arXiv:2511.01371},
year = {2025}
}