[发明专利]一种基于电机运动特征值的异常负载类型判别方法

摘要

本发明公开了一种基于电机运动特征值的异常负载类型判别方法，通过定义并计算电机运动特征值，并根据特征值的大小以及特征值的变化，预测负载并鉴别负载的类型。本发明所达到的有益效果采用本发明提供的方法，可以在复杂的生产过程环境下，改善电机驱动的机械设备对过程变化的适应程度，提高机械设备运行的安全性和可靠性。

主权项

一种基于电机运动特征值的异常负载类型判别方法，其特征是，滚动存储本周期和前一次周期的过程参数，本周期过程中速度值记为转矩值记为前周期的速度值记为前一次周期的转矩值记在每个周期中每次均以当前时刻为0，往后以L为长度，以动态滚动的方式构造当前速度向量：前次速度向量当前转矩向量前次转矩向量包括如下步骤：1)对电机运行状态进行判断，首先计算如下公式：(1.1)动态计算速度向量内积(1.2)动态计算转矩向量内积(1.3)动态计算当前速度向量平方模(1.4)动态计算前次速度向量平方模(1.5)动态计算当前转矩向量平方模(1.6)动态计算前次转矩向量平方模(1.7)动态计算速度一致性系数(1.8)动态计算转矩一致性系数(1.9)动态计算速度相关性系数(1.10)动态计算转矩相关性系数根据步骤(1.1)～(1.10)中计算的速度一致性系数ηΩ、转矩一致性系数ηT、速度相关性系数λΩ、转矩相关性系数λT相对于标准值1的偏差，判断本次电机运动过程中是否负载异常，并因而导致速度异常，判定的标准依据历史经验计算值；2)对所述步骤1)的结果判定，当由于负载异常而导致电机堵转后，通过对堵转过程中的运动曲线提取频域特征，以判断导致堵转的负载的类型，具体步骤如下：(2.1)针对堵转过程中速度向量其长度为L，计算：AΩ(p)=Σk=0L-1ω^(k)cos(2πpk/L)]]>BΩ(p)=Σk=0L-1ω^(k)sin(2πpk/L)]]>p＝1,······,L/2(2.2)针对堵转后的转矩向量其长度为L，计算：AT(p)=Σk=0L-1T^fz(k)cos(2πpk/L)]]>BT(p)=Σk=0L-1T^fz(k)sin(2πpk/L)]]>p＝1,······,L/2(2.3)在所述步骤(2.1)和(2.2)中，p是频率点，共有L/2个频率点；计算速度向量在各个频率点上的功率平方谱HΩ(p)，以及转矩向量在各个频率点上的功率平方谱HT(p)：HΩ(p)＝AΩ(p)2+BΩ(p)2HT(p)＝AT(p)2+BT(p)2p＝1,······,L/2(2.4)计算速度功率平方谱高频比重系数：ξΩ=(Σp=L4L2HΩ(p))/(Σp=1L2HΩ(p))]]>(2.5)计算转矩功率平方谱高频功率比重系数ξT=(Σp=L4L2HT(p))/(Σp=1L2HT(p))]]>(2.6)根据速度功率平方谱高频比重系数ξΩ和转矩功率平方谱高频功率比重系数ξT，可以判别导致堵转负载障碍物的类型，如果速度功率平方谱高频比重系数和转矩功率平方谱高频功率比重系数均接近于0，则可以判定堵转负载障碍物为易变形的柔性障碍物；如果速度功率平方谱高频比重系数和转矩功率平方谱高频功率比重系数均大于0.5，可以判定堵转负载障碍物为刚体；如果介于这两种情况之间，则无法做出直接判断，根据具体的应用场合以及ξΩ和ξT的相对大小，做进一步的判断。