[发明专利]一种电机故障诊断方法及系统

权利要求书

1.一种电机故障诊断方法，其特征在于，包括：

S1：采集电机分别在正常状态和预设时间段内的K类故障运行状态下的共K+1类工况传感器信号，K为正整数，并根据所述工况传感器信号构建初始数据集；

S2：对所述初始数据集进行角域重采样处理，得到带标签的重采样数据集，并对所述重采样数据集进行时间滑窗处理得到带标签的总样本集，将所述总样本集划分为带标签的训练集和测试集；

S3：根据所述训练集构建第一预设模型，并根据所述训练集对应的训练特征集，构建第二预设模型；

S4：将所述第一预设模型的输出数据和所述第二预设模型的输出数据进行融合得到目标数据，并根据所述目标数据构建第三预设模型；

S5：根据所述第三预设模型的输出数据构建分类器模型，并设定损失函数；

S6：根据所述第一预设模型、所述第二预设模型、所述第三预设模型、所述分类器模型以及所述损失函数构建目标模型，将所述测试集作为所述目标模型的输入以测试目标模型的有效性；

S7：获取待测电机的实时工况传感器信号，根据所述实时工况传感器信号和目标模型确定所述待测电机的诊断结果；

所述设定损失函数包括：

设定损失函数中的类内距离度量方式满足如下公式：

；

式中，表示2 范数，表示模型训练中的批量大小，分类器模型第1层的输出维度为，表示分类器模型第1 层的输出中第个样本，且第个样本的类别标签为，表示训练特征集中标签为的特征的平均值，满足如下公式：

式中，是批量训练特征集中属于第类的样本个数；

设定损失函数中的类间距离度量方式满足如下公式：

式中，及为工况类别, 及分别为表示训练特征集中标签为及的特征的平均值；

设定损失函数中的交叉熵损失度量方式满足如下公式：

式中，表示类别标签为对应的one-hot 向量，表示中第个样本的第列，且其类别标签为；

采用类内距离、类间距离及交叉熵损失共同度量损失函数，其中，损失函数满足如下公式：

式中，分别为交叉熵、类内距离、类间距离的权重；

其中，当交叉熵越小、类内距离越小、类间距离越大时损失函数越小。