[发明专利]一种电动机故障诊断及劣化趋势预测系统

权利要求书

1.一种电动机故障诊断及劣化趋势预测系统，其特征在于，其系统包括：数据采集单元，服务器单元和数据库单元，所述数据库单元与服务器单元连接，所述服务器单元和数据采集单元分别连接以太网；

数据采集单元包括采集模块和对时模块；所述采集模块用于定时采集数据，所述对时模块对所采集的数据打时标，对时模块可接收GPS、北斗等卫星信号或B码信息，同时对电机电压、电流数据每个采样点均打时标；

所述服务器单元包括数据预处理模块，频谱分析模块，故障诊断模块和劣化趋势预测模块；数据预处理模块是将电机启动、停机、空载等对电流频谱故障特征分析产生干扰的数据，筛选出来，不做后续分析；满足条件的数据再根据电机电压等级、运行工况对电动机数据分类；所述频谱分析模块根据电动机电流数据及电动机参数采用特定的算法分析电流频谱特征输出量化值即故障指数；所述故障诊断模块采用机器学习及人工干预的方法对电机进行诊断并出具诊断报告；所述劣化趋势预测模块是根据典型故障数据库已有电动机的故障频谱特征及其关联的历史数据，推测待测电动机故障劣化趋势，以故障指数曲线图形方式展示；

所述机器学习是指系统在每次故障分析后，自动检索当前电压等级及工况下是否生成了初始指数，如没生成初始指数则将此次故障指数做为初始故障指数；如果已有初始故障指数则再根据设定的检索条件到典型故障特征库中查找，如检索成功则进行劣化趋势预测，如检索不成功根据告警阈值判断是否告警，并自动给出电动机故障诊断报告；

所述初始故障指数是指电动机安装此系统后第一次运行时，系统记录分析的电流频谱特征量化值即故障指数，不同的工况条件下，分别保存其初始故障指数；

所述检索条件是指当前分析电机故障指数与典型故障特征库中存储的同电压等级、同工况的情况下的故障指数比较；

所述劣化趋势预测是机器学习的方法的一部分，是指由于采样数据都带有精准时间标，可根据典型故障模块中故障特征指数样本进行比较，在样本中找到相近指数，再找到样本中达到故障告警时的故障指数，计算二者时间差，即可推测出当前工况下当前电机达到故障告警时需要的时间。

2.如权利要求1所述的一种电动机故障诊断及劣化趋势预测系统，其特征在于，所述数据库单元包括历史数据模块和典型故障模块；历史数据模块是指系统在运行时将定时分析的电动机频谱及频谱特征、电机运行参数等存储为历史数据，数据将永久保存，直到电动机全生命周期结束；所述典型故障模块是指经现场维护人员根据告警信息，经验证确认的电动机故障类型及判定的严重等级而保存的典型故障样本，包括频谱特征及相关参数，同时此电动机的历史数据也将做为电动机诊断的样本数据。

3.如权利要求1所述的一种电动机故障诊断及劣化趋势预测系统，其特征在于，所述运行工况主要指电动机负载情况如空载运行、轻载运行、满载运行，超载运行四种情况。

4.如权利要求1所述的一种电动机故障诊断及劣化趋势预测系统，其特征在于，所述电流频谱特征是指采用特定的算法通过电动机电流分析转子断条故障频谱、定子绕组故障频谱和轴承故障频谱，其频谱故障特征值在同工况条件下发展趋势是线性的，此点是预测电动机故障趋势的理论基础。

5.如权利要求1所述的一种电动机故障诊断及劣化趋势预测系统，其特征在于，所述人工干预是指当系统在分析电机故障时根据设定的告警阈值进行告警，运维人员检修排查，发现电机确有故障，并根据故障情况设置故障等级，并将故障准确率参数加1，并将此次分析的频谱特征及相关参数保存到数据典型故障模块中；如经检查无故障，则需提高告警阈值，并将故障准确率参数减1，并保存到数据库中；

所述告警阈值是指人工设置的当前电机故障指数与同电压等级、同工况下的初始指数的倍数，不同于传统的直接比较；比如设定1.5，则表示当前故障指数大于初始指数1.5倍时，系统才告警输出；此方式解决了不同电压等级及运行工况下电机故障指数代表故障程度不同的影响。