基于广义零样本学习的牵引逆变器电流传感器故障诊断研究

摘要

电流传感器是牵引传动系统的高发故障源，但在实际应用中，故障数据往往遵循长尾类分布，难以覆盖传感器的各种故障类型。为解决故障样本不完备给传感器故障诊断带来的困难，提出一种基于广义零样本学习(generalized zero-shot learning, GZSL)的故障诊断方法，用于诊断牵引逆变器中电流传感器的增益和偏移故障。首先，通过快速傅里叶变换(fast Fourier transform, FFT)对电流故障信号进行特征提取，捕捉故障数据的频谱特征；其次，构建故障属性描述矩阵，并结合所提取特征进行语义映射与预处理，实现从已见故障到未见故障的语义知识迁移；最后，在牵引逆变系统实验平台上对所提方法的有效性进行验证。结果表明，该方法在零样本场景下仍具备较高的识别精度，为解决电流传感器故障诊断中的样本稀缺问题提供了新的技术途径。

关键词

电流传感器 / 牵引逆变器 / 故障诊断 / 广义零样本学习 / 快速傅里叶变换 / 属性描述矩阵