元の名称記録: 云南电力试验研究院（集团）有限公司; 云南电网有限责任公司电力科学研究院

本发明涉及电机识别领域，公开了一种基于定制融合的永磁同步电机故障识别方法及相关设备，包括：根据第一时频图、第二时频图，以及第一时频图中每个像素点所对应的信号熵，确定第一时频图中每个像素点所对应的融合权重，以及第二时频图中每个像素点所对应的融合权重，通过这种定制融合的方式，能够充分利用短时傅里叶变换和同步压缩小波变换各自的优势，有效提取并融合不同特征信息，增强对早期微弱故障特征的捕捉能力，显著提高故障特征的区分度，同时，能够更好地适应永磁同步电机非平稳信号的实时特性，使故障预测模型能够更准确地区分不同早期故障，从而极大地提升了永磁同步电机故障识别的准确性、可靠性和实时性。

本发明涉及电机故障识别领域，公开了一种永磁同步电机故障识别方法，包括：通过预设永磁同步电机故障预测模型包括依次连接的量子启发式神经网络模块、双流卷积神经网络模块和SVM分类器，通过这种量子启发式神经网络的方式，能够有效挖掘永磁同步电机早期故障的微弱特征，利用量子启发式神经网络独特的旋转和纠缠操作增强特征表达能力，结合双流卷积神经网络模块的特征提取与融合能力以及SVM分类器的精准分类能力，显著提高了早期微弱故障的检测灵敏度，实现了对永磁同步电机故障程度更准确的区分以及故障类型的有效识别，为永磁同步电机的稳定运行提供了可靠保障。

本发明涉及电机故障识别领域，公开了一种基于定制量子态的永磁同步电机故障识别方法及相关设备，包括：根据时频图中每个像素点所对应的转速，对时频图中每个像素点进行映射编码，得到时频图中每个像素点所对应的定制量子态，通过这种定制量子态编码的方式，引入转速信号对时频图像素点进行定制量子态编码，充分利用了电机运行过程中的多维度信息，有效增强了早期微弱故障特征的表达能力，能够更精准地捕捉早期故障的演化趋势，提高了对复杂非线性故障模式的检测能力，显著提升了早期微弱故障的检测灵敏度，实现了对永磁同步电机故障更准确、高效的识别，为电机的维护和运行管理提供了有力支持。