[发明专利]一种基于大数据分析的直线电机故障检测方法及系统

权利要求书

1.一种基于大数据分析的直线电机故障检测方法，其特征在于，包括以下步骤：

获取待检测直线电机的控制数据，以及在所述控制数据下对应的运行数据和/或状态数据；

判断所述运行数据和/或状态数据是否存在异常，若存在异常，则将运行数据和/或状态数据记录为待判断故障的异常数据，一个异常数据对应一个控制数据；

根据待判断故障的异常数据以及预设的第一图数据结构判断与待判断故障的异常数据对应的故障类型和故障发生的概率；

所述第一图数据结构包括多个节点和节点之间对应的连接边，节点包括根据大数据获得的同型号电机的所有异常数据节点和故障类型节点，其中异常数据节点的值为运行数据和/或状态数据，故障类型节点的值为故障类型的编号，两异常数据节点之间的边权值根据两节点对应的运动数据的相似度和/或状态数据的相似度计算得到，两故障类型节点之间的边权值根据两节点对应的故障类型同现次数计算得到，异常数据节点与故障类型节点之间的边权值根据该异常数据之前时刻的异常数据得到。

2.根据权利要求1所述的基于大数据分析的直线电机故障检测方法，其特征在于，计算异常数据节点与故障类型节点之间的边权值的方法包括以下步骤：

根据大数据获得的同型号直线电机的所有维修记录，建立异常数据节点与故障类型节点的连接关系，将异常数据节点与故障类型节点之间各连线的边权值的初始值设定为1；

计算各异常数据对应的故障叠加特征，利用故障叠加特征对对应的异常数据节点与故障类型节点之间各连线的边权值的初始值进行更新；

对于某一直线电机的某个异常数据x，其对应的故障叠加特征的计算方法包括：

获取同一直线电机的异常数据x对应的控制参数之前的L个控制参数构成的序列list_L；

根据序列list_L计算异常数据x的故障叠加特征p_x；其中，L表示序列的长度，α为衰减系数，d_i为之前第i个控制参数对应的异常系数，w_i为之前第i个控制参数对应的故障诱发因子，β_i为之前第i个控制参数与之前其他L-1个控制参数的互异程度。

3.根据权利要求1所述的基于大数据分析的直线电机故障检测方法，其特征在于，判断与所述待判断异常数据对应的故障类型和故障发生的概率的方法包括：

从第一图数据结构中挑选出与待判断异常数据边权值最大的topK个异常数据节点，将第一图数据结构中与所述topK个异常数据节点存在边相连的各故障类型节点提取出来构成第二图数据结构，第二图数据结构中各节点间的边权值与第一图数据结构中对应边权值相同；

获取第二图数据结构中待判断异常数据与某一故障类型节点之间的所有游走路径，计算每条游走路径上所有边权值的乘积；

求各游走路径对应乘积之和，根据各游走路径对应乘积之和计算与待判断异常数据对应的发生上述故障类型的概率。

4.根据权利要求1所述的基于大数据分析的直线电机故障检测方法，其特征在于，计算得到两异常数据节点之间的边权值的方法包括：

当两异常数据节点之间的边权值是根据两节点对应的运动数据的相似度和状态数据的相似度计算得到时，计算两异常数据节点对应的运动数据的余弦相似度s1以及状态数据的余弦相似度s2；根据公式s＝w1*s1+w2*s2计算两异常数据节点之间的边权值，其中s为两异常数据节点之间的边权值，w1为运动数据对应的权重，w2为状态数据对应的权重。

5.根据权利要求1所述的基于大数据分析的直线电机故障检测方法，其特征在于，根据两节点对应的故障类型同现次数计算得到两故障类型之间的边权值的方法包括：

通过大数据统计N个与待检测电机同型号电机发生过的故障类型；若两故障类型在第n个电机上出现的次数为t(n)次，那么两故障在这N个与待检测电机同型号电机上同现的总次数

将两故障类型同现的总次数T作为对应两故障类型节点之间的边权值的初始值，并对所有两故障类型节点之间的边权值的初始值进行归一化处理，根据归一化处理结果更新两故障类型节点之间的边权值。