针对变频环境下异步电机故障时定子电流信号非平稳的问题,提出一种互补集合经验模态分解(CEEMD)与卷积神经网络(CNN)结合的异步电机故障诊断方法。首先通过ANSYS对变频环境下电机建模获得仿真电流数据,利用CEEMD将电机定子电流信号分解为一系列本征模态函数(IMF);其次通过计算排列熵和样本熵,选取复杂程度小的IMF分量并计算其平均值来提取出故障特征;接着将特征数据集输入卷积神经网络(CNN)进行训练和验证;最后搭建实验平台收集电流信号,对信号进行滤

针对永磁同步电机模型预测转矩控制计算量大、权重系数难以确定和转矩脉动大的问题,提出优化模型预测双转矩控制方法。该方法用有功转矩和无功转矩双转矩代替磁链和转矩的代价函数,从而简化系统结构。构建具有预测-校正功能的补偿函数,对补偿函数进行校正,降低延时问题产生的影响。在此基础上,加入扇区判断环节,将待选电压从8个减为3个,大大减少计算量。仿真结果表明:优化模型预测双转矩控制方法转矩脉动更低、计算量更小、动态响应更快。