【技术实现步骤摘要】
电机转子故障检测方法、装置及终端设备
本专利技术属于故障检测
，更具体地说，是涉及一种电机转子故障检测方法、装置及终端设备。
技术介绍
转子是电机的重要组成部件。电机正常运行时,转子长期处于转动的工作状态，且旋转速度很高。高速旋转使转子承受着巨大的机械应力和热负荷，导致转子发生故障变得非常常见，所以对转子进行故障诊断尤为重要。近年来，由于大数据分析的迅速崛起，基于大数据分析方法实现电机转子的故障状态检测成为一个大的趋势。目前，现有技术的大数据分析方法中有涉及基于BP算法、遗传算法、粒子群算法等进行电机转子故障状态检测的仿真试验，试验证明虽然这些算法能够实现电机转子故障状态的检测，但由于各个算法在学习寻优过程中，在收敛速度、收敛精度以及计算量方面都有不同程度的局限，因此应用上述算法进行电机转子的故障状态检测时，容易陷入局部最优而导致检测结果不准。
技术实现思路
本专利技术的目的在于提供一种电机转子故障检测方法、装置及终端设备，以提高转子故障状态检测的准确性。本专利技术实施例的第一方面，...
【技术保护点】
1.一种电机转子故障检测方法，其特征在于，包括：/n对预设神经网络的网络参数进行初始化；/n基于初始化后的预设神经网络的网络参数和预设寻优模型进行参数寻优，得到最优网络参数；/n将最优网络参数作为预设神经网络的当前网络参数，并基于当前网络参数和转子状态检测信号样本对预设神经网络进行训练；/n获取待检测转子的状态检测信号，并将所述状态检测信号输入至训练完成的预设神经网络，得到待检测转子的故障状态评估结果。/n
【技术特征摘要】
1.一种电机转子故障检测方法，其特征在于，包括：
对预设神经网络的网络参数进行初始化；
基于初始化后的预设神经网络的网络参数和预设寻优模型进行参数寻优，得到最优网络参数；
将最优网络参数作为预设神经网络的当前网络参数，并基于当前网络参数和转子状态检测信号样本对预设神经网络进行训练；
获取待检测转子的状态检测信号，并将所述状态检测信号输入至训练完成的预设神经网络，得到待检测转子的故障状态评估结果。
2.如权利要求1所述的电机转子故障检测方法，其特征在于，所述基于初始化后的预设神经网络的网络参数和预设寻优模型进行参数寻优，得到最优网络参数，包括：
S11：随机生成k个寻优粒子，并基于初始化后的预设神经网络的网络参数对k个寻优粒子的位置参数进行初始化；
S12：基于每个寻优粒子的位置参数对该寻优粒子的适应度进行计算；
S13：根据寻优粒子适应度的计算结果删除预设比例的寻优粒子，得到剩余寻优粒子；
S14：更新剩余寻优粒子的位置参数，并选取剩余寻优粒子中适应度最高的两个寻优粒子进行交叉变异；
S15：检测步骤S14的执行次数是否达到预设阈值，若步骤S14的执行次数达到预设阈值，则将剩余寻优粒子中适应度最高的寻优粒子的位置参数作为最优网络参数输出；若步骤S14的执行次数未达到预设阈值，则返回执行步骤S12～S14。
3.如权利要求2所述的电机转子故障检测方法，其特征在于，所述基于初始化后的预设神经网络的网络参数对k个寻优粒子的位置参数进行初始化，包括：
对初始化后的预设神经网络的网络参数进行k次随机变换，得到k个预设神经网络的网络参数；
基于k个预设神经网络的网络参数对k个寻优粒子的位置参数进行初始化。
4.如权利要求2所述的电机转子故障检测方法，其特征在于，对于某一个寻优粒子，该寻优粒子的适应度确定方法为：
其中，Lp(j)(xr,xs)为位置参数为p(j)的寻优粒子的适应度值，xr为网络参数为p(j)的预设神经网络的预期输出值，xs为网络参数为p(j)的预设神经网络的实际输出值，E为xr和xs的数据维数。
5.如权利要求2所述的电机转子故障检测方法，其特征在于，对于某一个寻优粒子，该寻优粒子的位置参数更新方法为：
p(j)new＝p(j)old+wv(j)old+c1r1(pig(j)-...
【专利技术属性】
技术研发人员：杨鹏，李天辉，贾伯岩，陈二松，相晨萌，饶群，史善哲，
申请(专利权)人：国网河北省电力有限公司电力科学研究院，国家电网有限公司，国网河北能源技术服务有限公司，
类型：发明
国别省市：河北;13
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。