本發明屬于電力設備檢測領域，涉及一種定子鐵芯缺陷診斷方法、系統、設備及存儲介質。
背景技術：
1、傳統定子鐵芯缺陷檢測方法主要依賴紅外熱成像（監測溫升）和elcid法（檢測磁通畸變）。
2、紅外熱成像法的本質是通過在定子鐵芯上施加工頻或異頻的勵磁電流，模擬實際運行工況的電磁場環境，使用紅外熱像儀（熱靈敏度≤0.05℃）拍攝鐵芯表面溫度分布，生成熱圖像，根據定子鐵芯表面的溫度分布異常來間接診斷內部缺陷，其原理基于以下物理過程：
3、1）缺陷導致的局部能量損耗：當定子鐵芯存在絕緣破損、疊片短路等缺陷時，交變磁場會在缺陷區域引發異常渦流，導致焦耳熱顯著增加。
4、2）熱傳導與表面溫升：局部熱量通過硅鋼片傳導至鐵芯表面，形成溫度梯度。缺陷區域的表面溫度通常高于正常區域（溫升δt可達幾℃至幾十℃）。
5、elcid法則是通過勵磁線圈在定子鐵芯中產生工頻交變磁通，利用探測線圈（如chattock線圈）檢測鐵芯表面的磁位差。當鐵芯存在疊片間短路或絕緣缺陷時，局部渦流損耗增大，導致磁位差異常，從而定位缺陷。
6、但以上兩種方法仍存在以下問題：
7、人工依賴性強：需操作人員結合熱圖與電磁信號經驗判斷缺陷類型，量化精度低。
8、微小缺陷漏檢率高：單一方法（熱或電磁）對早期絕緣破損、局部短路診斷靈敏度不足。
技術實現思路
1、本發明的目的在于克服上述現有技術的缺點，提供一種定子鐵芯缺陷診斷方法、系統、設備及存儲介質，結合了紅外熱成像法和elcid法的優點，實現定子鐵芯缺陷的綜合診斷，提高了診斷精度。
2、為達到上述目的，本發明采用以下技術方案予以實現：
3、一種定子鐵芯缺陷診斷方法，包括以下過程：
4、構建跨模態神經網絡模型，跨模態神經網絡模型包括熱模態分支和電磁模態分支，并利用交叉注意力機制融合兩類模態的輸出結果；
5、獲取定子鐵芯的虛擬仿真數據和實測數據，對跨模態神經網絡模型進行遷移學習適配跨模態神經網絡模型參數；
6、獲取定子鐵芯的紅外熱成像數據和elcid電磁信號數據，并對兩種數據進行預處理；
7、將預處理后的兩種數據分別輸入至適配后的跨模態神經網絡模型中的熱模態分支和電磁模態分支，經過交叉注意力機制融合后，得到診斷出的缺陷結果。
8、優選的，熱模態分支采用通道擴展的resnet-18網絡，輸入為熱圖像和極坐標參數，提取熱圖像特征；電磁模態分支包括兩層一維卷積層，第一層用于提取相鄰槽間電磁特征，第二層用于提取周期性異常模式；通過交叉注意力機制，將電磁特征作為查詢向量，動態加權熱圖像空間特征。
9、優選的，兩類模態的輸出結果融合過程中：對融合結果進行物理約束的損失函數處理。
10、優選的，遷移學習過程為：基于虛擬仿真數據訓練跨模態神經網絡模型，調整仿真參數匹配定子鐵芯的實際物理參數，采集實測數據優化跨模態神經網絡模型的輸出層參數。
11、優選的，紅外熱成像數據的預處理過程為：對紅外熱圖像進行降噪、直方圖均衡化、裁剪及溫度值標準化處理，并附加極坐標位置編碼。
12、優選的，elcid電磁信號數據的預處理過程為：對elcid電磁信號數據按槽號映射為極坐標空間序列，生成包含幅值、相位及復電壓的電磁特征矩陣。
13、優選的，定子鐵芯的診斷過程中，將定子鐵芯劃分為多個扇形區域獨立獲取數據；將局部坐標轉換為全局極坐標并合并相鄰區域結果；通過elcid電磁幅值異常區與熱圖溫升區空間匹配驗證缺陷真實性；保留置信度高于預設閾值的缺陷結果。
14、一種定子鐵芯缺陷診斷系統，包括：
15、模型構建模塊，用于構建跨模態神經網絡模型，跨模態神經網絡模型包括熱模態分支和電磁模態分支，并利用交叉注意力機制融合兩類模態的輸出結果；
16、遷移學習模塊，用于獲取定子鐵芯的虛擬仿真數據和實測數據，對跨模態神經網絡模型進行遷移學習適配跨模態神經網絡模型參數；
17、數據獲取模塊，用于獲取定子鐵芯的紅外熱成像數據和elcid電磁信號數據，并對兩種數據進行預處理；
18、缺陷診斷模塊，用于將預處理后的兩種數據分別輸入至適配后的跨模態神經網絡模型中的熱模態分支和電磁模態分支，經過交叉注意力機制融合后，得到診斷出的缺陷結果。
19、一種計算機設備，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，所述處理器執行所述計算機程序時實現所述定子鐵芯缺陷診斷方法的步驟。
20、一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，所述計算機程序被處理器執行時實現所述定子鐵芯缺陷診斷方法的步驟。
21、與現有技術相比，本發明具有以下有益效果：
22、本發明將紅外熱成像與elcid電磁信號通過深度學習與物理機理融合，突破單一模態檢測瓶頸，實現缺陷的自動定位、分類與嚴重度量化，實現定子鐵芯缺陷的綜合診斷，提高了診斷精度。并且支持分區域掃描與位置編碼，適配大型設備檢測需求。預訓練數據能夠嚴格覆蓋工程常見缺陷類型及邊界條件，確保模型泛化性。具有快速遷移能力，通過虛擬標定和現場適配實現少量數據下的跨機組快速適配。
1.一種定子鐵芯缺陷診斷方法，其特征在于，包括以下過程：
2.根據權利要求1所述的定子鐵芯缺陷診斷方法，其特征在于，熱模態分支采用通道擴展的resnet-18網絡，輸入為熱圖像和極坐標參數，提取熱圖像特征；電磁模態分支包括兩層一維卷積層，第一層用于提取相鄰槽間電磁特征，第二層用于提取周期性異常模式；通過交叉注意力機制，將電磁特征作為查詢向量，動態加權熱圖像空間特征。
3.根據權利要求1所述的定子鐵芯缺陷診斷方法，其特征在于，兩類模態的輸出結果融合過程中：對融合結果進行物理約束的損失函數處理。
4.根據權利要求1所述的定子鐵芯缺陷診斷方法，其特征在于，遷移學習過程為：基于虛擬仿真數據訓練跨模態神經網絡模型，調整仿真參數匹配定子鐵芯的實際物理參數，采集實測數據優化跨模態神經網絡模型的輸出層參數。
5.根據權利要求1所述的定子鐵芯缺陷診斷方法，其特征在于，紅外熱成像數據的預處理過程為：對紅外熱圖像進行降噪、直方圖均衡化、裁剪及溫度值標準化處理，并附加極坐標位置編碼。
6.根據權利要求1所述的定子鐵芯缺陷診斷方法，其特征在于，elcid電磁信號數據的預處理過程為：對elcid電磁信號數據按槽號映射為極坐標空間序列，生成包含幅值、相位及復電壓的電磁特征矩陣。
7.根據權利要求1所述的定子鐵芯缺陷診斷方法，其特征在于，定子鐵芯的診斷過程中，將定子鐵芯劃分為多個扇形區域獨立獲取數據；將局部坐標轉換為全局極坐標并合并相鄰區域結果；通過elcid電磁幅值異常區與熱圖溫升區空間匹配驗證缺陷真實性；保留置信度高于預設閾值的缺陷結果。
8.一種定子鐵芯缺陷診斷系統，其特征在于，包括：
9.一種計算機設備，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現如權利要求1至7任意一項所述定子鐵芯缺陷診斷方法的步驟。
10.一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至7任意一項所述定子鐵芯缺陷診斷方法的步驟。