[发明专利]一种电机故障诊断方法及系统

说明书

本发明涉及故障诊断领域，公开一种电机故障诊断方法及系统，该方法包括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，并根据工况传感器信号构建初始数据集；对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，将总样本集划分为带标签的训练集和测试集；并构建第一预设模型、第二预设模型、第三预设模型、分类器模型，并设定损失函数；构建目标模型；根据实时工况传感器信号和目标模型确定待测电机的诊断结果。可以有效解决早期故障演变趋势缓慢、故障特征容易淹没在噪声中的问题，实现电机早期故障诊断。

技术领域

本发明涉及故障诊断领域，尤其涉及一种电机故障诊断方法及系统。

背景技术

在现代工业生产设备不断朝着结构化、自动化和智能化方向发展的过程中，电机作为最重要的动力和驱动装置，在高速列车、地铁和城际轨道交通设备中得到了广泛的应用。然而，在生产实践中，电机由于长期在恶劣环境下运行，不可避免地会发生故障。在故障早期，故障特征弱，对系统运行影响较小，但如果不及时采取措施，可能导致早期故障迅速恶化和蔓延，严重影响电机的性能及系统安全。

因此，如何提高早期故障诊断正确率成为一个急需解决的问题。

发明内容

本发明目的在于公开一种电机故障诊断方法及系统，以通过捕捉传感器信号的依赖性并提取具有高可分性的故障特征。

为达上述目的，本发明提供了一种电机故障诊断方法，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，构件第二预设模型；

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，并将所述测试集作为所述目标模型的输入以训练所述目标模型至所述目标模型满足预设的收敛性；

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。

作为一个总的发明构思，本发明还提供了一种电机故障诊断系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法相对应的步骤。

本发明具有以下有益效果：

本发明提供的电机故障诊断方法及系统，通过捕捉传感器信号的依赖性并提取具有高可分性的故障特征，可以有效解决早期故障演变趋势缓慢、故障特征容易淹没在噪声中的问题，实现电机早期故障诊断、提高早期故障诊断正确率。该方法易于实施，无需额外硬件设备，能提高电机和列车实时运行健康监测水平。

下面将参照附图，对本发明作进一步详细的说明。

附图说明