[发明专利]一种基于大数据的电机故障诊断预测方法

权利要求书

1.一种基于大数据的电机故障诊断预测方法，其特征在于：包括以下步骤：

1)使用模糊预测方法，建立由电机运行异常数据导致电机故障的电机故障模糊预测规则；

2)查询大数据库中关于电机运行的数据，获取电机运行故障数据并获取引起电机运行故障的电机运行监测异常数据，并对获取的数据进行统计整理；

3)将步骤2)统计整理后的电机运行故障数据、引起电机运行故障的电机运行监测异常数据组织到一个电机故障统计矩阵中；

4)对步骤3)得到的电机故障统计矩阵进行运算处理，得到电机故障-异常数据矩阵；

5)计算步骤4)得到的电机故障-异常数据矩阵中的电机运行监测异常数据导致其引起的电机运行故障的权重；

6)将步骤5)得到的权重数值带入到电机故障模糊预测规则中，得到考虑权重数值的电机故障模糊预测规则。

2.根据权利要求1所述的基于大数据的电机故障诊断预测方法，其特征在于：在步骤1)中，电机故障模糊预测规则为：

将模糊判定规则表示为：为由可能导致的电机故障集合，将表示为：

3.根据权利要求2所述的基于大数据的电机故障诊断预测方法，其特征在于：在步骤3)中，对步骤2)获取的每种电机运行故障进行编号进行依次数字编号，则电机运行故障用G_n表示，其中n＝1,2,…,n；电机故障统计矩阵表示为：其中W_i,p表示引起电机运行故障的电机运行监测异常数据，引起编号为n的电机运行故障G_n的电机运行监测异常数据排列于W中的第n竖列；将电机故障统计矩阵W中所有元素除以该元素所在行的元素总和，得到归一化矩阵所述归一化矩阵中的元素为即

4.根据权利要求3所述的基于大数据的电机故障诊断预测方法，其特征在于：在步骤4)中，对电机故障统计矩阵进行运算处理的过程包括，定义归一化矩阵则：

设置筛选规则其中：是引起电机运行故障的电机运行监测异常数据及其引起的电机运行故障的归一化矩阵；δ是电机运行监测异常数据的各类型分布的归一化矩阵；μ为电机运行故障的数量阈值；θ是元素d_cs的阈值；通过筛选规则对电机运行监测异常数据进行筛选，不符合筛选规则的电机运行监测异常数据舍弃；筛选规则筛选后，得到电机故障-异常数据矩阵矩阵X：其中，

5.根据权利要求4所述的基于大数据的电机故障诊断预测方法，其特征在于：在步骤4)中，计算电机故障-异常数据矩阵矩阵X内全部数据的总和T、电机故障-异常数据矩阵矩阵X内全部行的和x_s、电机故障-异常数据矩阵矩阵X内全部列的和x_c，其中：定义电机故障-异常数据矩阵X的变换矩阵Z为：Z＝[Z_sc]_i×p、

给出电机运行监测异常数据类型的协方差阵H＝ZZ^T，以及电机运行监测异常数据类型的协方差阵H的特征根λ₁≥λ₂≥…≥λ_j，其中j∈(i×p)，取前q个累积贡献率的特征根，计算累积惯量计算协方差阵H的特征根的特征向量u₁，u₂，…u_q，则电机故障类型坐标值矩阵为其中计算协方差阵H的特征根相对电机故障类型的协方差阵M＝Z_TZ的单位特征向量Z^Tu₁＝v₁，Z^Tu₂＝v₂，…Z^Tu_q＝vx，则电机运行监测异常数据坐标值矩阵为