[发明专利]一种电力驱动器件预测性维护方法、系统与设备

说明书

本发明提供了一种电力驱动器件预测性维护方法、系统与设备，属于电力驱动器件故障预测领域，包括：应用粒子群优化方法，对电力驱动器件初步模型进行参数调优后得到电力驱动器件的数字孪生体；将电机故障和减速机齿轮故障注入数字孪生体中，产生仿真数据；依据电力驱动器件的运行时间特性，选用长短记忆神经网络作为电力驱动器件故障预测算法，对仿真数据进行故障预测算法的训练；将训练后的故障预测算法部署在电力驱动器件实体中，实现电力驱动器件的实时故障预测；依据实时故障预测结果，制定维护策略。该方法可以实现电力驱动器件的实时故障预测。

技术领域

本发明属于电力驱动器件故障预测领域，具体涉及一种电力驱动器件预测性维护方法、系统与设备。

背景技术

电力驱动器件是由电机和齿轮箱组合配置构成的电动执行器，电力驱动器件具有使用方便、价格适中、结构稳定等优点，它的使用几乎涉及方方面面。大到交通、航空、航天及军事等领域、小到微型设备及生活领域，电力驱动器件都扮演着非常重要的角色，可以说电力驱动器件的广泛应用为人类的发展和便利的生活都做出了突出的贡献。

随着制造业的转型升级，国内的制造业正逐步从劳动密集型产业向技术密集型产业发展，制造业对智能电力驱动器件的需求越来越高。

自动化水平越高，对电力驱动器件的可靠性要求越高，为了减少因电力驱动器件故障导致的非预期停机、提高生产效率，必须对电力驱动器件进行运行监控和维护保养。目前装备电力驱动器件的维护保养主要为一般性保养和例行维护等以人工为主的运维管理，实时性低、效率不高且无法进行预测性、针对性维护。

总之，现有技术存在电力驱动器件的维护存在维护滞后、存在非预期故障以及维护智能程度低、准确率低、稳定性低的问题。

发明内容

为了克服上述现有技术存在的不足，本发明提供了一种电力驱动器件预测性维护方法、系统与设备。

为了实现上述目的，本发明提供如下技术方案：

一种电力驱动器件预测性维护方法、系统与设备，包括：

应用粒子群优化方法，对电力驱动器件初步模型进行参数调优后得到电力驱动器件的数字孪生体；

将电机故障和减速机齿轮故障信息注入数字孪生体中，产生仿真数据；

依据电力驱动器件的运行时间特性，选用长短记忆神经网络作为电力驱动器件故障预测算法，对仿真数据进行故障预测算法的训练；

将训练后的故障预测算法部署在电力驱动器件实体中，实现电力驱动器件的实时故障预测；

依据实时故障预测结果，制定维护策略。

进一步，建立所述电力驱动器件初步模型包括：

将电力驱动器件的CAD模型导入到建模软件中，得到三维多体仿真模型；

将电力驱动器件中的电动元器件模型补充进入三维多体仿真模型，得到电力驱动器件初步模型。

进一步，所述电机故障和减速机齿轮故障信息包含量化效应噪声。

进一步，所述电动元器件模型包括：电机的状态方程和输出方程；所述电机状态方程和输出方程为：

状态方程：

输出方程：

其中，R为电阻，U为电压，L为电感，t为时间，K为电动机传递系数，J为转动惯量，B为磁感应强度，e为感应电动势，φ为感应磁通量，I为电流，W为电动机转速，x1、x2为状态变量，此处选取x1＝I，x2＝w，y为输出变量。