一种电机故障预测方法技术

本发明专利技术公开了一种电机故障预测方法，包括以下步骤：S1、使电机以规定的运转模式运转，采集电机的振动信号作为标定数据；S2、对步骤S1采集的数据进行降噪处理，对降噪后的信号进行时域分析得到时域指标，并构造特征矩阵；S3、使所述电机再次以所述规定的运转模式运转，再次测定电机振动信号作为测试数据，对测试数据进行降噪处理，对降噪后的信号进行时域分析得到时域指标，并构造特征矩阵；S4、用步骤S1的标定数据作为练习数据，生成一类支持向量机法的映射空间的正常区域；使用所述测试数据作为追加的标定数据，使用二分类支持向量机法构造若干个二分类器生成新的映射空间的异常区域；S5、对电机进行诊断。

【技术实现步骤摘要】
一种电机故障预测方法
本专利技术属于电机故障预测领域，具体涉及一种电机故障预测方法。
技术介绍
随着科技的不断发展,工业生产也在不断进步,电机作为工业生产中使用较多的电力设备,在实际运行过程中,往往会因为各种影响而出现各种各样的故障,不仅会使电机本身受损，甚至还会造成停产等严重损失。在电机出现故障的前期能够迅速有效地识别故障模式，找到故障原因是十分重要的。专利名称为电机故障诊断方法和系统(申请号：201810268354.2)公开了一种电机故障诊断方法和系统，该方法通过获取交流电机的振动信号，并提取所述振动信号的特征向量；将所述振动信号的特征向量作为目标Softmax回归模型的输入，通过所述目标Softtmax回归模型进行电机的故障诊断。该系统实现了对交流电机进行精准分类诊断的目的，但是不能实现对电机故障的预测。专利名称为电机故障诊断方法及系统(申请号：201811590223.2)公开了一种电机故障诊断方法及系统，以及时发现电机运行的异常情况并进行故障诊断，但该诊断系统不能实现对电机故障的预测。传统的电机故障诊断系统只本文档来自技高网...

【技术保护点】
1.一种电机故障预测方法，其特征在于，包括以下步骤：/nS1、使电机以规定的运转模式运转，采集电机的振动信号作为标定数据；/nS2、对步骤S1采集的数据进行降噪处理，对降噪后的信号进行时域分析得到时域指标，并构造特征矩阵；/nS3、在所述电机的运转后，使所述电机再次以所述规定的运转模式运转，再次测定电机振动信号作为测试数据，对测试数据进行降噪处理，对降噪后的信号进行时域分析得到时域指标，并构造特征矩阵；/nS4、用步骤S1的标定数据作为训练数据，生成一类支持向量机法的映射空间的正常区域；使用所述测试数据作为追加的标定数据，使用二分类支持向量机法构造若干个二分类器生成新的映射空间的异常区域；/n...

【技术特征摘要】
1.一种电机故障预测方法，其特征在于，包括以下步骤：
S1、使电机以规定的运转模式运转，采集电机的振动信号作为标定数据；
S2、对步骤S1采集的数据进行降噪处理，对降噪后的信号进行时域分析得到时域指标，并构造特征矩阵；
S3、在所述电机的运转后，使所述电机再次以所述规定的运转模式运转，再次测定电机振动信号作为测试数据，对测试数据进行降噪处理，对降噪后的信号进行时域分析得到时域指标，并构造特征矩阵；
S4、用步骤S1的标定数据作为训练数据，生成一类支持向量机法的映射空间的正常区域；使用所述测试数据作为追加的标定数据，使用二分类支持向量机法构造若干个二分类器生成新的映射空间的异常区域；
S5、基于步骤S3的测试数据是否包含于支持向量机法的所述映射空间的所述区域，对电机进行诊断。


2.根据权利要求1所述的电机故障预测方法，其特征在于，所述降噪处理为主成分分析(PCA)，PCA降噪的步骤为：
1、根据测得的振动信号X1＝[x(1),x(2),…,x(N)]，x(1)～x(N)为振动加速度信号，构造汉克尔矩阵(HankelMatrix)X：



X为m×n阶矩阵，N为数据长度，当数据长度N为奇数时，m＝(N+1)/2，n＝(N+1)/2，当数据长度N为偶数时，m＝N/2，n＝N/2+1；
设xmn和x(N)具有一一对应关系，将矩阵X表示为



2、将矩阵X表示为X＝[x1,x2,…,xm]T,其中xi∈x1～xm，xi为汉克尔矩阵X的行向量，每个向量xi中均含有n个样本，即xi＝(xi1,xi2,…,xin)，对矩阵X进行主成分分析，得l个新的变量yi，i＝1～l，l≤m，其中，yi∈Rl×n，R为实数集；根据PCA的定义，αi＝(αi1,αi2,…,αim)T为X的协方差矩阵中由大到小排列的第i个特征值对应的特征向量，αi1～αim为特征向量αi的元素，对应表达式如下：



其中,αi满足：



由主成分分析的原理可知，协方差矩阵C的特征方程如下：
Cαi＝λiαi
式中，λi为矩阵C的特征值，αi为与λi对应的特征向量；
通过(C-λiE)αi＝0，其中，E为单位矩阵，求得αi＝(αi1,αi2,…,αim)T的值；由于C为对称正定矩阵，其特征向量相互正交，即Im为单位矩阵，将等式(1)两边左乘αi并求和，得：



3、为衡量特征向量所对应的比例，定义贡献率ηl，并通过协方差的特征值λi来衡量贡献率，以此衡量主成分对原始数据信息的保留度：



4、根据设定的贡献率ηl，选前l个成分进行重构，得近似矩阵为





3.根据权利要求2所述的电机故障预测方法，其特征在于，所述时域指标为能量、峭度、均方值。


4.根据权利要求1所述的电机故障预测方法，其特征在于，步骤S4的一类支持向量机法即一类SVM法训练过程包括以下步骤：
(1)规范化特征矩阵T＝[t1,…,tP]T的列向量成零均值单位方差，其中P为训...

【专利技术属性】
技术研发人员：李伟光，郑嘉伟，党德邻，刘其洪，蔡文伟，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东;44