[发明专利]一种基于特征选取和马氏距离的电机健康监测和异常诊断方法

说明书

技术领域

本发明属于电机故障诊断技术领域，具体涉及一种电机的健康监测和异常诊断方法。

背景技术

电机广泛被用于能源化工、交通运输、医疗器械、办公设备等领域。电机的工作状态直接或间接的关系着这些领域设备运行的可靠性。因此对其实施健康监测和异常诊断就显得十分的迫切。电机的故障大概可分为机械类的故障，如轴承故障、转子故障和定子故障等；和电磁类的故障，如电路、磁路系统的故障和绝缘系统的故障等。目前已有的电机故障诊断技术包含了电流分析，振动分析，声发射信号分析和温度分析等。存在的缺陷是：在对电机故障模式没有详细了解的情况下，较难实现对未知工作状态下电机的健康监测和异常诊断。

发明内容

为了克服在未对电机故障模式详细了解的情况下，已有故障诊断技术较难实现对未知工作状态下电机的健康监测和异常诊断的不足，本发明提供一种仅需采集正常工作状态下的电机信号用于训练并构建成马氏空间后，可有效实现对未知工作状态的电机进行健康监测和异常诊断的基于特征选取和马氏距离的电机故障诊断方法。

本发明解决其技术问题所采用的技术方案是：

一种基于特征选取和马氏距离的电机健康监测和异常诊断方法，所述方法包括以下步骤：

步骤一、采集正常工作状态下的电机信号，包括振动、电流和转速信号；

步骤二、对所述电机信号进行特征计算得到特征空间，分别是对振动信号进行时域特征的计算，包括有效值、最大峰值、峰峰值、峭度、平均值、方差、标准方差、偏斜度、波峰系数和功率；同时计算电流的有效值和电机转速，并将所述计算的特征构建一个特征空间；

步骤三、对步骤二得到的特征空间中的特征，运用最小冗余最大相关的特征选取技术选取出用于马氏距离计算的特征向量；

步骤四、对步骤三得到的特征向量，进行特征向量的统计参数：平均值和标准方差的计算，用于特征向量的标准化；对标准化后的特征向量，计算其相关矩阵及其逆矩阵，和计算马氏距离，并构建出表示电机正常工作状态下的马氏空间；

步骤五、对未知健康状态的测试电机经过步骤一的信号采集和步骤二和步骤三选取的特征向量计算，运用正常工作状态下的电机特征向量的统计参数，对测试电机的特征向量进行标准化，并运用正常工作状态下的相关矩阵的逆矩阵，进行测试电机的马氏距离计算；

步骤六、将步骤五计算得到的测试电机的马氏距离与步骤四得到的马氏空间做比较，若测试电机所对应的马氏距离在马氏空间内，表示测试电机工作正常，反之则表示电机工作异常。