【导语】江南大学黄文涛博士领导的研究团队在五相永磁同步电机（PMSM）诊断领域取得突破，成功克服传统方法无法评估匝间短路（ITSC）严重程度的难题。该研究集成了实时故障跟踪器与人工智能分析仪，基于扩展状态观测器（ESO）和卷积神经网络（CNN）技术，实现了对电机故障严重程度的精确实时分级，为电机保护提供了新途径。

驾趣智库讯 据外媒报道，由江南大学（Jiangnan University）黄文涛博士领导的一项研究克服了五相永磁同步电机（PMSM）诊断中的一个关键缺陷：传统方法无法评估匝间短路（ITSC）的严重程度。该方法集成了两项技术：一个用于诊断故障的实时跟踪器，以及一个用于处理信号以量化损坏并估算短路参数的人工智能分析仪。

江南大学发明人工智能预警系统 增强发现点击隐藏故障的能力

图片来源：期刊《CES Transactions on Electrical Machines and Systems》

多年来，量化运行中电机匝间短路严重程度的挑战一直困扰着工程师们，因为传统方法难以分离复杂的故障参数。传统的诊断方法在实时评估方面存在不足，导致不可逆退磁等关键风险无法被检测到。

该方法由江南大学基于扩展状态观测器（ESO）和卷积神经网络（CNN）开发，代表着一项根本性的飞跃。至关重要的是，该方法能够将短路匝数比与故障电阻隔离，消除了故障诊断中的一个关键障碍，从而能够精确实时地对故障严重程度进行分级，从而指导有针对性的保护响应。