[发明专利]基于电机电流分析法的永磁同步电机轴承故障诊断方法

说明书

一种基于电机电流分析法的永磁同步电机轴承故障诊断方法，先采集永磁同步电机定子U、V相电流信号，计算出W相电流；对三相电流通过空间矢量降维得到直角坐标系下的两相电流，并对两相电流进行矢量归一化处理；基于轴承故障对电流信号的作用机理及电流信号特点对空间矢量降维后的信号进行变分模态分解，对模态分量计算近似熵并组成特征矩阵；改进标准人工蜂群算法使得蜂群类型根据最优解情况相互转化，且改变蜂群初始化种群生成规则，使用优化后的自适应变类型算法优化机器学习模型参数得到最优分类模型；使用最优模型对样本集中的测试集进行故障类型分类，并与标签对比得到测试集准确率；本发明具有准确度高、诊断效率高等优点。

技术领域

本发明属于轴承故障诊断技术领域，具体涉及一种基于电机电流分析法的永磁同步电机轴承故障诊断方法。

背景技术

近年来，受数控机床、电子制造设备、工业机器人、医疗机械、交通运输等领域的不断发展，伺服电机市场规模一直保持增长趋势，而永磁同步电机凭借其高功率密度、高效率、高力矩惯量比、宽范围的恒功率调速比、小振动和低噪声等优点，逐渐取代直流伺服电机成为当代高性能伺服电机的主要发展对象。轴承故障作为电机机械故障中最容易出现的故障类型，一直以来都是众多学者的主要研究方向之一，因此快速、准确和可靠的电机轴承故障诊断方法对于机械设备的使用寿命、综合性能和安全稳定运行都具有重大的意义。

目前，针对电机轴承的诊断方法大多是基于侵入式方法采集振动、温度、声音等信号来实现(宋向金，赵文祥.交流电机信号特征分析的滚动轴承故障诊断方法综述[J].中国电机工程学报，2022.)，但这些信号需要在机械设备外部安装额外的传感器来采集，安装额外传感器不仅会增加诊断成本，而且鉴于永磁同步电机大多应用在数控机床、工业机器人、医疗机械等设备上，很多场合下由于可靠性、机械设备数量、传感器检测成本和运行安全等限制，无法在电机或机械设备外部安装传感器进行故障信号的采集；且目前常用的振动、声音等信号容易受外界环境因素的影响，导致在采集的信号中掺杂过多的环境噪声从而影响信号处理的过程和最后的故障诊断结果(康伟，朱永生，等.基于CSES和MED的滚动轴承微弱故障特征提取[J].振动、测试与诊断，2021.)，因此，为了更方便、快速、准确可靠地诊断电机轴承故障类型，亟待研发一种能够非侵入式采集故障信号的电机轴承故障诊断方法。

发明内容

为了克服上述现有技术的缺点，本发明的目的在于提供一种基于伺服驱动器电流信号的永磁同步电机轴承故障方法，受外界环境影响小，检测成本低，方便快捷，安全可靠，且准确率高。

为了达到上述目的，本发明采取的技术方案为：

一种基于电机电流分析法的永磁同步电机轴承故障诊断方法，包括以下步骤：

步骤1：同时采集永磁同步电机定子U、V相电流信号，并计算出W相电流，针对所得的U、V、W三相电流，采用空间矢量预处理方法对三相电流进行数据预处理操作；

步骤2：根据轴承故障对电流信号的作用机理及永磁同步电机三相电流的特点，采用变分模态分解方法对电流信号进行分解，按照对应工况设定模态分解的个数K，并根据先验知识确定分解后模态分量的带宽α；

步骤3：对步骤1经过空间矢量预处理后的电流数据按步骤2确定的参数进行模态分解，获得增维至指定个数的包含故障信息的样本数据；

步骤4：基于电流信号时域图中表现为周期正弦波形式的特点，认为相同工况下同种轴承状态的两相电流，通过矢量合成得到的电流环图像相似度应接近，但不同轴承状态受故障情况影响，其电流环应有区别，故采用近似熵作为分类特征集来反应样本序列相邻的m个点所表示的电流环图的互相近似的概率与由m+1个点所表示的电流环图的互相近似的概率之差；