[发明专利]一种基于胶囊网络的三相感应电机变工况多故障诊断方法

说明书

本发明公开了一种基于胶囊网络的三相感应电机变工况多故障诊断方法，通过采集不同工况下多种电机健康状态的三相电流数据，并进行数据预处理，然后利用处理好的数据搭建基于胶囊网络的故障诊断模型，并对该模型的训练，从而得到快速、准确地检测出三相感应电机的多种故障的故障诊断模型，进而用于三相感应电机的实时检测，这样不仅降低了测量成本和时间成本，提高了电机故障诊断的效率，提升了电机系统的安全性。

技术领域

本发明属于三相感应电机智能故障检测技术领域，更为具体地讲，涉及一种基于胶囊网络的三相感应电机变工况多故障诊断方法。

背景技术

在现代工业制造中，电动机广泛应用于发电、风机、机床、压缩机、机械臂等领域。随着可再生能源的发展，电机在风力发电和电动汽车领域也发挥着重要的作用。电机作为现代工业中最基本的部件之一，它经常在恶劣的环境和多变的工作条件下工作，时常会发生各种紧急故障，造成严重的事故和巨大的经济损失。同时，随着电机在生产生活中的广泛应用，为保证机械设备和工业系统的经济可靠运行，提高复杂机电系统的运行效率，对电机工作状态的监测变得越来越重要。

为了减轻电机故障对工业系统的影响，提高工业生产的运行效率，有必要探索一种有效的电机运行监测和故障诊断方法。近年来，随着人工智能技术的飞速发展，基于机器学习的方法在许多领域得到了应用，如谷歌的AlphaG使用深度神经网络从大量的围棋对弈数据或围棋规则中进行认知学习，并取得了重大突破；此外人工智能在电力系统的应用也得到广泛的研究，如电力系统输电线路故障诊断，风力发电机的出力、故障预测等。人工智能对数据强大的学习能力同样可以应用在电机故障诊断中，通过神经网络对电机数据进行处理，探索正常电机与故障电机数据之间的差异，进而实现电机故障诊断的方法是可行的。尽早发现电机故障可以尽早的去检查维修，提高了电机故障诊断的效率，提升了电机系统的安全性，可以预防系统发生更严重的事故。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于胶囊网络的三相感应电机变工况多故障诊断方法，通过对电机三相电流进行分析，进而检测出多种常见电机故障，从而解决了传统电机故障检测方法因为电机工况改变时检测精度大幅下降的特点，以及传统故障检测需要安装额外的传感器使得测量成本增加的特点。

为实现上述发明目的，本发明一种基于胶囊网络的三相感应电机变工况多故障诊断方法，其特征在于，包括以下步骤：

(1)、

采集三相感应电机在不同工况下的电流数据，及对应电流下的电机健康状态，记为I_j[state_m]；其中，j＝1,2,3,…，j表示电机在不同的工况；m＝1,2,…,7m表示电机的健康状态，包括正常工作状态和六种故障状态，故障类型有：匝间短路、缺相、鼠笼条断条、突然丢失负载、转子动态偏心与转子静态偏心；

(2)、数据预处理

(2.1)、将不同健康状态下的电流数据添加标签，其中，正常状态记为Normal，匝间短路记为ISC，缺相记为OP，鼠笼条断条记为BRB，突然丢失负载记为LM，转子动态偏心记为RDE，转子静态偏心记为RSE；添加标签后的电流数据在胶囊网络中所对应索引值为1～7；

(2.2)、将添加标签后的电流数据随机划分成N个等长度的子序列，每个子序列记为一个Batch，共计得到N个Batch；

(3)、搭建并训练基于胶囊网络的故障诊断模型；

(3.1)、设置基于胶囊网络的故障诊断模型的学习率α；设置总的迭代次数T；

(3.2)、随机选取n个Batch输入至卷积神经网络CNN，利用卷积神经网络CNN提取的初始特征，提取公式为：