一种三相电机的故障检测方法及装置制造方法及图纸

本发明专利技术实施例公开了一种三相电机的故障检测方法及装置，该方法包括：采集三相电机的输入信号；根据预设的特征类别提取所述输入信号的特征值；将所述特征值输入训练模型，所述训练模型包括网络隐藏节点和对应的影响值；根据所述训练模型的输出结果，获取故障检测结果。本发明专利技术实施例对于新发现的故障类型，不需要重新训练所有故障类型的样本，能够提高三相电机故障检测的效率，训练模型具有良好的抗干扰能力，提升了三相电机故障检测的准确性。

Fault detecting method and device for three-phase motor

The embodiment of the invention discloses a fault detection method and device of three-phase motor, the method includes: input signal acquisition of three-phase motor; according to the characteristics of the default category extraction of the characteristics of the input signal value; the characteristic value of the input training model, the training model including the effects of network hidden nodes and corresponding value according to the results of the training; the output model, obtain the result of fault detection. The embodiment of the invention for new type of fault that does not need to train all types of fault samples, can improve the efficiency of three-phase motor fault detection, training model has good anti-interference ability, enhance the accuracy of three-phase motor fault detection.

【技术实现步骤摘要】
一种三相电机的故障检测方法及装置
本专利技术实施例涉及故障检测技术，尤其涉及一种三相电机的故障检测方法及装置。
技术介绍
三相电机是指当电机的三相定子绕组通入三相交流电后，载流的转子导体在定子旋转磁场作用下将产生电磁力，从而在电机转轴上形成电磁转矩，驱动电动机旋转，并且电机旋转方向与旋转磁场方向相同。由于三相电机广泛应用于无人机、车床、轻工设备以及各种加工生产线等工业领域中，因此三相电机的稳定运行至关重要。在实际应用中，为了提高三相电机的工作效率，通常使用变速驱动器驱动三相电机，这将引起电机过热问题、谐波干扰等问题，从而使三相电机产生电压不平衡，转子棒断裂，定子绕组故障以及偏离中心等故障。如果处于厂房设备里的三相电机发生故障却没有被及时检测，会影响整个工业产业链的效率，甚至引发重大安全事故。现有技术中，采用人工神经网络(ArtificialNeuralNetwork，简称ANN)和支持向量机(SupportVectorMachine，简称SVM)的方法检测三相电机的故障，结构一旦建立起来就是固定不变的，有固定的输入节点和输出节点，然而，对于新发现的故障类型，如果不能很快的更新到检测模型中，就会使故障检测结果不全面，不准确。当增加故障检测类型或者更新故障检测方法时，需要重新训练所有的采集数据以建立新的神经网络，费时费力，成本高，且无法适应紧急情况，影响了故障检测的效率。
技术实现思路
本专利技术实施例提供一种三相电机的故障检测方法及装置，以解决现有技术中检测三相电机新的故障类型时费时费力、效率低的问题。第一方面，本专利技术实施例提供了一种三相电机的故障检测方法，包括：采集三相电机的输入信号；根据预设的特征类别提取所述输入信号的特征值；将所述特征值输入训练模型，所述训练模型包括网络隐藏节点和对应的影响值；根据所述训练模型的输出结果，获取故障检测结果。进一步地，根据预设的特征类别提取所述输入信号的特征值，包括：建立故障标签的特征集；根据特征提取类别，提取每个故障标签对应的三相电机的输入信号的特征值，将所述特征值组成向量组，作为一个样本，获取与所述样本对应的样本标签，直至完成对三相电机各个故障类型标签下预设个数的样本和对应的样本标签的获取。进一步地，将所述特征值输入训练模型，所述训练模型包括网络隐藏节点和对应的影响值，包括：将样本和对应的样本标签输入至所述混合模型，根据所述样本标签对所述混合模型进行监督训练，获取网络隐藏节点最大值；对所述混合模型中的网络隐藏节点最大值的节点进行标签检测，根据检测结果，对所述网络隐藏节点调整影响值；根据所述网络隐藏节点和对应的影响值，获得训练模型。进一步地，对所述混合模型中的网络隐藏节点最大值的节点进行标签检测，根据检测结果，对所述网络隐藏节点调整影响值，包括：当所述网络隐藏节点输出的标签与输入样本的样本标签不一致时，调整影响值为所述网络隐藏节点的节点值与折扣因子之积加上第一检测因子后，再乘以学习速率，最后加上当前影响值的结果；当所述网络隐藏节点输出的标签与输入样本的样本标签一致时，调整影响值为所述网络隐藏节点的节点值与折扣因子之积加上第二检测因子后，再乘以学习速率，最后加上当前影响值的结果。进一步地，根据所述训练模型的输出结果，获取故障检测结果，包括：使用所述训练模型进行故障检测，根据公式p＝a*Q+(1-a)*FAM对模型中的每一个隐藏节点进行计算，获取计算结果的最大值，作为输出结果，其中，a为预设值，Q为影响值，FAM为网络隐藏节点值；根据输出结果，获取与所述输出结果对应的网络隐藏节点的样本标签，作为故障检测结果。第二方面，本专利技术实施例还提供了一种三相电机的故障检测装置，包括：采集模块，用于采集三相电机的输入信号；特征值提取模块，用于根据预设的特征类别提取所述输入信号的特征值；训练模型获取模块，用于将所述特征值输入训练模型，所述训练模型包括网络隐藏节点和对应的影响值；故障检测模块，用于根据所述训练模型的输出结果，获取故障检测结果。进一步地，所述特征值提取模块包括：特征集建立单元，用于建立故障标签的特征集；特征值获取单元，用于根据特征提取类别，提取每个故障标签对应的三相电机的输入信号的特征值，将所述特征值组成向量组，作为一个样本，获取与所述样本对应的样本标签，直至完成对三相电机各个故障类型标签下预设个数的样本和对应的样本标签的获取。进一步地，所述训练模型获取模块包括：训练单元，用于将样本和对应的样本标签输入至所述混合模型，根据所述样本标签对所述混合模型进行监督训练，获取网络隐藏节点最大值；检测单元，用于对所述混合模型中的网络隐藏节点最大值的节点进行标签检测，根据检测结果，对所述网络隐藏节点调整影响值；获取单元，用于根据所述网络隐藏节点和对应的影响值，获得训练模型。进一步地，所述检测单元包括：第一检测子单元，用于当所述网络隐藏节点输出的标签与输入样本的样本标签不一致时，调整影响值为所述网络隐藏节点的节点值与折扣因子之积加上第一检测因子后，再乘以学习速率，最后加上当前影响值的结果；第二检测子单元，用于当所述网络隐藏节点输出的标签与输入样本的样本标签一致时，调整影响值为所述网络隐藏节点的节点值与折扣因子之积加上第二检测因子后，再乘以学习速率，最后加上当前影响值的结果。进一步地，所述故障检测模块包括：故障检测单元，用于使用所述训练模型进行故障检测，根据公式p＝a*Q+(1-a)*FAM对模型中的每一个隐藏节点进行计算，获取计算结果的最大值，作为输出结果，其中，a为预设值，Q为影响值，FAM为网络隐藏节点值；检测结果获取单元，用于根据输出结果，获取与所述输出结果对应的网络隐藏节点的样本标签，作为故障检测结果。本专利技术实施例通过将提取的输入信号的特征值输入训练模型进行训练，以获得三相电机故障类型的检测结果，对于新发现的故障类型，只需要将新故障类型样本输入训练模型进行训练，能够在不需要重新训练所有故障类型的样本的情况下，获得检测新故障类型的能力，提高了三相电机故障检测的效率。使用影响值影响模型中网络隐藏节点输出的权重，使训练模型具有良好的抗噪声干扰能力，提升了三相电机故障检测的准确性。附图说明图1是本专利技术实施例一中的一种三相电机的故障检测方法的流程图；图2为本专利技术实施例二中的一种三相电机的故障检测方法的流程图；图3是本专利技术实施例三中的一种三相电机的故障检测方法的流程图；图4是本专利技术实施例四中的一种三相电机的故障检测方法的流程图；图5是本专利技术实施例五中的一种三相电机的故障检测装置的结构示意图。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。实施例一图1为本专利技术实施例一提供的一种三相电机的故障检测方法的流程图，本实施例可适用于通过现场可编程门阵列(Field－ProgrammableGateArray，简称FPGA)来进行三相电机故障检测的情况，该方法可以由一种三相电机的故障检测装置来执行，该装置可以采用软件和/或硬件的方式实现，一般集成于FPGA中。本专利技术实施例一的方法具体包括：S101、采集三相电机的输入信号。具体的，为三相电本文档来自技高网...

【技术保护点】
一种三相电机的故障检测方法，其特征在于，包括：采集三相电机的输入信号；根据预设的特征类别提取所述输入信号的特征值；将所述特征值输入训练模型，所述训练模型包括网络隐藏节点和对应的影响值；根据所述训练模型的输出结果，获取故障检测结果。

【技术特征摘要】
1.一种三相电机的故障检测方法，其特征在于，包括：采集三相电机的输入信号；根据预设的特征类别提取所述输入信号的特征值；将所述特征值输入训练模型，所述训练模型包括网络隐藏节点和对应的影响值；根据所述训练模型的输出结果，获取故障检测结果。2.根据权利要求1所述的方法，其特征在于，根据预设的特征类别提取所述输入信号的特征值，包括：建立故障标签的特征集；根据特征提取类别，提取每个故障标签对应的三相电机的输入信号的特征值，将所述特征值组成向量组，作为一个样本，获取与所述样本对应的样本标签，直至完成对三相电机各个故障类型标签下预设个数的样本和对应的样本标签的获取。3.根据权利要求2所述的方法，其特征在于，将所述特征值输入训练模型，所述训练模型包括网络隐藏节点和对应的影响值，包括：将样本和对应的样本标签输入至所述混合模型，根据所述样本标签对所述混合模型进行监督训练，获取网络隐藏节点最大值；对所述混合模型中的网络隐藏节点最大值的节点进行标签检测，根据检测结果，对所述网络隐藏节点调整影响值；根据所述网络隐藏节点和对应的影响值，获得训练模型。4.根据权利要求3所述的方法，其特征在于，对所述混合模型中的网络隐藏节点最大值的节点进行标签检测，根据检测结果，对所述网络隐藏节点调整影响值，包括：当所述网络隐藏节点输出的标签与输入样本的样本标签不一致时，调整影响值为所述网络隐藏节点的节点值与折扣因子之积加上第一检测因子后，再乘以学习速率，最后加上当前影响值的结果；当所述网络隐藏节点输出的标签与输入样本的样本标签一致时，调整影响值为所述网络隐藏节点的节点值与折扣因子之积加上第二检测因子后，再乘以学习速率，最后加上当前影响值的结果。5.根据权利要求1或3所述的方法，其特征在于，根据所述训练模型的输出结果，获取故障检测结果，包括：使用所述训练模型进行故障检测，根据公式p＝a*Q+(1-a)*FAM对模型中的每一个隐藏节点进行计算，获取计算结果的最大值，作为输出结果，其中，a为预设值，Q为影响值，FAM为网络隐藏节点值；根据输出结果，获取与所述输出结果对应的网络隐藏节点的样本标签，作为故障检测结果。6.一种三相电机的故障...

【专利技术属性】
技术研发人员：郝祁，法哈德·普那哈，张彬，
申请(专利权)人：南方科技大学，
类型：发明
国别省市：广东,44