一种牵引电机故障诊断方法及装置制造方法及图纸

本申请提供了一种牵引电机故障诊断方法及装置，应用于牵引电机故障诊断系统，该方法中，以列车牵引电机为对象，在不新增传感器、不额外对列车牵引系统进行设备改造的前提下，利用牵引电机的轴承故障诊断参数和定子线圈绝缘故障诊断参数，分别调用预设梯度提升树模型和预设模糊聚类模型，实现牵引电机轴承的故障诊断和定子线圈绝缘的故障诊断，从而降低牵引电机故障诊断成本。

【技术实现步骤摘要】
一种牵引电机故障诊断方法及装置
本申请涉及电机故障诊断
，尤其涉及一种牵引电机故障诊断方法及装置。
技术介绍
随着轨道列车的广泛应用，在电力铁路机车车辆中，牵引电机是实现电能和机械能转换的最核心部件，承担了机车车辆运行中动力输出的重任，对于铁路机车车辆的运行效率与安全性具有重要的影响。运行实践表明，轨道列车牵引电机运行工况复杂多变，其中，由于受轨面振动冲击、PWM（PulseWidthModulation，脉宽调制）变频器电传动系统的高频共模电压和环境温度等的影响，容易使牵引电机发生故障。一旦牵引电机发生故障，轻则影响行车秩序，造成重大经济损失，重则导致安全事故，危机人身安全。根据调查结果显示，牵引电机发生故障，40%与轴承相关，38%与定子线圈绝缘相关，因此，牵引电机故障诊断主要是轴承与定子线圈绝缘故障诊断。目前牵引电机轴承故障诊断主要有振动信号分析法和温度信号分析法，而振动信号与温度信号分析法需要额外增加振动加速度传感器与温度传感器，以及相关的分析诊断设备，这样不仅增加了设备维护成本，同时新增设备本身会带来故障。而目前牵引电机定子线圈绝缘故障诊断都是采用离线的定期检测与维护，检测本身费时费力，并且两次定检期间牵引电机出现定子线圈绝缘故障无法避免。
技术实现思路
基于现有的牵引电机故障诊断方法中的问题，本申请提供了一种牵引电机故障诊断方法及装置，以列车牵引电机为对象，在不新增传感器、不额外对列车牵引系统进行设备改造的前提下，实现牵引电机轴承与定子线圈绝缘的故障诊断，从而降低牵引电机故障诊断成本。为了实现上述目的，本申请提供了以下技术方案：一种牵引电机故障诊断方法，应用于牵引电机故障诊断系统，该方法包括：调用预设梯度提升树模型，以轴承故障诊断参数作为输入进行轴承故障诊断，得到轴承故障诊断结果，所述预设梯度提升树模型根据轴承样本数据构建，所述轴承样本数据包括轴承状态的正常状态、外圈故障状态、内圈故障状态、滚动体故障状态以及保持架故障状态所对应的轴承故障诊断参数，所述轴承故障诊断参数包括故障谐波脉冲谱指标、电机转速、电机转矩和电流信号，所述故障谐波脉冲谱指标用于标识所述牵引电机轴承的故障状态；调用预设模糊聚类模型，以定子线圈绝缘故障诊断参数作为输入进行定子线圈绝缘故障诊断，得到定子线圈绝缘故障诊断结果，所述预设模糊聚类模型根据定子线圈绝缘样本数据构建，所述定子线圈绝缘样本数据包括定子线圈绝缘早期故障状态、定子线圈绝缘严重故障状态和定子线圈绝缘正常状态所对应的定子线圈绝缘故障诊断参数，所述定子线圈绝缘故障诊断参数包括降维特征向量、电机转速和电机转矩，所述降维特征向量用于标识所述牵引电机定子线圈绝缘的故障状态。优选的，所述故障谐波脉冲谱指标的获取方法，具体为：获取所述牵引电机的电机转速和电机控制模型中的电机转矩；对所述电机转速和所述电机转矩分别进行傅立叶变换，得到轴承谐波脉冲频率的谐波分量；通过脉冲谐波谱分析方法，从所述轴承谐波脉冲频率的谐波分量中提取所述故障谐波脉冲谱指标。优选的，所述降维特征向量的获取方法，具体为：获取所述牵引电机的电机控制信号，所述电机控制信号包括：电压信号、电流信号、电机转速、电机控制模型中的电机转矩；提取所述电机控制信号中的多维特征向量，并对所述多维特征向量进行降维，得到降维特征向量，所述多维特征向量包括定子线圈绝缘故障频谱特征、电机定子线圈绝缘短路Park矢量模频谱的故障特征和牵引电机的不平衡特征中的至少两种。优选的，所述提取所述电机控制信号中的多维特征向量，并对所述多维特征向量进行降维，得到降维特征向量，具体为：获取所述电机控制信号的频率构成，提取定子线圈绝缘故障谐波脉冲频率的定子线圈绝缘故障频谱特征，作为第一特征向量；对所述电压信号和所述电流信号进行融合分析得到Park矢量模，并对所述Park矢量模通过所述频谱分析方法进行频谱分析，提取电机定子线圈绝缘短路Park矢量模频谱的故障特征，作为第二特征向量；分析所述电压信号和所述电流信号的不平衡特性，提取所述牵引电机的不平衡特征，作为第三特征向量；对所述第一特征向量、所述第二特征向量和所述第三特征向量进行特征降维，得到所述降维特征向量。优选的，所述采用主成分分析方法对所述第一特征向量、所述第二特征向量和所述第三特征向量进行特征降维，得到所述降维特征向量，具体为：根据所述第一特征向量、所述第二特征向量和所述第三特征向量构建降维主成分；根据主成分贡献率确定降维特征向量的维数；计算主成分载荷，所述主成分载荷为牵引电机匝间短路故障的降维特征向量。优选的，所述预设梯度提升树模型的构建过程，具体为：获取轴承样本数据；基于所述轴承样本数据，采用梯度提升树智能识别算法对梯度提升树模型进行训练，构建牵引电机轴承故障诊断识别的所述预设梯度提升树模型。优选的，所述预设模糊聚类模型的构建过程，具体为：获取定子线圈绝缘样本数据；基于所述定子线圈绝缘样本数据，采用模糊聚类算法对模糊聚类模型进行训练，构建牵引电机定子线圈绝缘故障诊断识别的所述预设模糊聚类模型。一种牵引电机故障诊断装置，应用于牵引电机故障诊断系统，该装置包括：第一处理单元，用于调用预设梯度提升树模型，以轴承故障诊断参数作为输入进行轴承故障诊断，得到轴承故障诊断结果，所述预设梯度提升树模型根据轴承样本数据构建，所述轴承样本数据包括轴承状态的正常状态、外圈故障状态所、内圈故障状态、滚动体故障状态以及保持架故障状态所对应的轴承故障诊断参数，所述轴承故障诊断参数包括故障谐波脉冲谱指标、电机转速、电机转矩和电流信号，所述故障谐波脉冲谱指标用于标识所述牵引电机轴承的故障状态；第二处理单元，用于调用预设模糊聚类模型，以定子线圈绝缘故障诊断参数作为输入进行定子线圈绝缘故障诊断，得到定子线圈绝缘故障诊断结果，所述预设模糊聚类模型根据定子线圈绝缘样本数据构建，所述定子线圈绝缘样本数据包括定子线圈绝缘早期故障状态、定子线圈绝缘严重故障状态和定子线圈绝缘正常状态所对应的定子线圈绝缘故障诊断参数，所述定子线圈绝缘故障诊断参数包括降维特征向量、电机转速和电机转矩，所述降维特征向量用于标识所述牵引电机定子线圈绝缘的故障状态。一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在的设备执行如上述所述的牵引电机故障诊断方法。一种电子设备，所述电子设备包括至少一个处理器、以及与所述处理器连接的至少一个存储器、总线；其中，所述处理器、所述存储器通过所述总线完成相互间的通信；所述处理器用于调用所述存储器中的程序指令，以执行如上述所述的牵引电机故障诊断方法。本申请所述的牵引电机故障诊断方法，应用于牵引电机故障诊断系统，该方法中，根据轴承样本数据构建预设梯度提升树模型，根据定子线圈绝缘样本数据构建预设模糊聚类模型，通过调用预设梯度提升树模型，以轴承故障诊断参数作为输入进行轴本文档来自技高网...

【技术保护点】
1.一种牵引电机故障诊断方法，其特征在于，应用于牵引电机故障诊断系统，该方法包括：/n调用预设梯度提升树模型，以轴承故障诊断参数作为输入进行轴承故障诊断，得到轴承故障诊断结果，所述预设梯度提升树模型根据轴承样本数据构建，所述轴承样本数据包括轴承状态的正常状态、外圈故障状态、内圈故障状态、滚动体故障状态以及保持架故障状态所对应的轴承故障诊断参数，所述轴承故障诊断参数包括故障谐波脉冲谱指标、电机转速、电机转矩和电流信号，所述故障谐波脉冲谱指标用于标识所述牵引电机轴承的故障状态；/n调用预设模糊聚类模型，以定子线圈绝缘故障诊断参数作为输入进行定子线圈绝缘故障诊断，得到定子线圈绝缘故障诊断结果，所述预设模糊聚类模型根据定子线圈绝缘样本数据构建，所述定子线圈绝缘样本数据包括定子线圈绝缘早期故障状态、定子线圈绝缘严重故障状态和定子线圈绝缘正常状态所对应的定子线圈绝缘故障诊断参数，所述定子线圈绝缘故障诊断参数包括降维特征向量、电机转速和电机转矩，所述降维特征向量用于标识所述牵引电机定子线圈绝缘的故障状态。/n

【技术特征摘要】
1.一种牵引电机故障诊断方法，其特征在于，应用于牵引电机故障诊断系统，该方法包括：
调用预设梯度提升树模型，以轴承故障诊断参数作为输入进行轴承故障诊断，得到轴承故障诊断结果，所述预设梯度提升树模型根据轴承样本数据构建，所述轴承样本数据包括轴承状态的正常状态、外圈故障状态、内圈故障状态、滚动体故障状态以及保持架故障状态所对应的轴承故障诊断参数，所述轴承故障诊断参数包括故障谐波脉冲谱指标、电机转速、电机转矩和电流信号，所述故障谐波脉冲谱指标用于标识所述牵引电机轴承的故障状态；
调用预设模糊聚类模型，以定子线圈绝缘故障诊断参数作为输入进行定子线圈绝缘故障诊断，得到定子线圈绝缘故障诊断结果，所述预设模糊聚类模型根据定子线圈绝缘样本数据构建，所述定子线圈绝缘样本数据包括定子线圈绝缘早期故障状态、定子线圈绝缘严重故障状态和定子线圈绝缘正常状态所对应的定子线圈绝缘故障诊断参数，所述定子线圈绝缘故障诊断参数包括降维特征向量、电机转速和电机转矩，所述降维特征向量用于标识所述牵引电机定子线圈绝缘的故障状态。


2.根据权利要求1所述的方法，其特征在于，所述故障谐波脉冲谱指标的获取方法，具体为：
获取所述牵引电机的电机转速和电机控制模型中的电机转矩；
对所述电机转速和所述电机转矩分别进行傅立叶变换，得到轴承谐波脉冲频率的谐波分量；
通过脉冲谐波谱分析方法，从所述轴承谐波脉冲频率的谐波分量中提取所述故障谐波脉冲谱指标。


3.根据权利要求1所述的方法，其特征在于，所述降维特征向量的获取方法，具体为：
获取所述牵引电机的电机控制信号，所述电机控制信号包括：电压信号、电流信号、电机转速、电机控制模型中的电机转矩；
提取所述电机控制信号中的多维特征向量，并对所述多维特征向量进行降维，得到降维特征向量，所述多维特征向量包括定子线圈绝缘故障频谱特征、电机定子线圈绝缘短路Park矢量模频谱的故障特征和牵引电机的不平衡特征中的至少两种。


4.根据权利要求3所述的方法，其特征在于，所述提取所述电机控制信号中的多维特征向量，并对所述多维特征向量进行降维，得到降维特征向量，具体为：
获取所述电机控制信号的频率构成，提取定子线圈绝缘故障谐波脉冲频率的定子线圈绝缘故障频谱特征，作为第一特征向量；
对所述电压信号和所述电流信号进行融合分析得到Park矢量模，并对所述Park矢量模通过所述频谱分析方法进行频谱分析，提取电机定子线圈绝缘短路Park矢量模频谱的故障特征，作为第二特征向量；
分析所述电压信号和所述电流信号的不平衡特性，提取所述牵引电机的不平衡特征，作为第三特征向量；
对所述第一特征向量、所述第二特征向量和所述第三特征向量进行特征降维，得到所述降维特征向量。<...

【专利技术属性】
技术研发人员：冯江华，刘勇，徐海龙，朱文龙，梅文庆，戴计生，
申请(专利权)人：湖南中车时代通信信号有限公司，
类型：发明
国别省市：湖南;43