【技术实现步骤摘要】
基于数据驱动的采用电流信号的电机机械故障诊断方法
本专利技术涉及电机机械故障诊断技术，具体涉及一种基于数据驱动的采用电流信号的电机机械故障诊断方法。
技术介绍
电机故障可以分为机械故障和电气故障，针对机械故障，现有技术多采用振动信号进行诊断。然而振动传感器的价格较高，在中小型电机中的应用受限。并且振动传感器需要直接接触电机，存在安装放置问题，有些已经投产的设备无法再加装振动传感器。因此，现有的基于振动传感器存在适用范围受限的问题。
技术实现思路
本专利技术要解决的技术问题：针对现有技术的上述问题，提供一种基于数据驱动的采用电流信号的电机机械故障诊断方法，本专利技术采用电流信号进行电机故障诊断，能够用于机械故障的诊断，该方法不需要额外安装振动传感器以及电流传感器，可通过已经安装在保护系统或控制系统中的电流互感器采集数据，是一种非侵入的低成本方式，而且具有诊断效率高、诊断准确度高、误报率低的优点。为了解决上述技术问题，本专利技术采用的技术方案为：一种基于数据驱动的采用电流信号的电机机械故障诊断...
【技术保护点】
1.一种基于数据驱动的采用电流信号的电机机械故障诊断方法，其特征在于，包括：/n1)获取定子电流信号，该定子电流信号的长度为D且包含N个样本；/n2)对定子电流信号进行噪声信号重构得到重构信号；/n3)将原始的定子电流信号减去重构信号得到残数电流；/n4)将残数电流的时域信号转换至频域得到频域信号；/n5)将残数电流的频域信号输入预先训练好的机器学习特征提取和故障分类模型，得到电机状态。/n
【技术特征摘要】
1.一种基于数据驱动的采用电流信号的电机机械故障诊断方法，其特征在于，包括：
1)获取定子电流信号，该定子电流信号的长度为D且包含N个样本；
2)对定子电流信号进行噪声信号重构得到重构信号；
3)将原始的定子电流信号减去重构信号得到残数电流；
4)将残数电流的时域信号转换至频域得到频域信号；
5)将残数电流的频域信号输入预先训练好的机器学习特征提取和故障分类模型，得到电机状态。
2.根据权利要求1所述的基于数据驱动的采用电流信号的电机机械故障诊断方法，其特征在于，步骤4)中将残数电流的时域信号转换至频域的步骤包括：首先计算残数电流的Hilbert包络谱，然后计算该Hilbert包络谱的FFT频谱。
3.根据权利要求1所述的基于数据驱动的采用电流信号的电机机械故障诊断方法，其特征在于，步骤2)中对定子电流信号进行噪声信号重构得到重构信号采用的是自动编码器搭建的信号噪声重构模型，所述训练信号噪声重构模型包括依次相连的输入层、隐含层、输出层，输入层包括D+1个节点、且最后一个节点为偏置节点，隐含层Dh+1个节点、且最后一个节点为偏置节点，输出层包括D个节点；输入层和隐含层构成编码器，隐含层和输出层构成解码器，且编码器和解码器的权重矩阵分别为W1(Dh×D)和W2(D×Dh)，Dh是隐含层的维度；输入层的输入为：X＝{x(1),x(2),…,x(N)}，其中X为输入的定子电流信号，X包含x(1)～x(N)共N个样本，任意第i个样本x(i)的函数表达式为x(i)＝[x1,x2,…,xD]，其中，x1～xD分别为定子电流信号采样值；隐含层的函数表达式为：h(i)＝f(W1x(i)+b1)，其中h(i)为第i个隐含层，f为激活函数，W1为第i个隐含层的权重向量，x(i)为第i个样本，b1为偏置向量；输出层的函数表达式为：其中为第i个输出层，为激活函数，W2为第i个输出层的权重向量，h(i)为第i个隐含层，b2为偏置向量。
4.根据权利要求3所述的基于数据驱动的采用电流信号的电机机械故障诊断方法，其特征在于，步骤2)之前还包括训练信号噪声重构模型的步骤：采集健康状态的电机和n种电机机械故障下的定子电流信号并构成样本库，每个样本的长度为D，每种电机状态包含N个样本，使得数据总量为D*N*(n+1)；通过样本库中健康状态的电机的样本对训练信号噪声重构模型进行训练，且训练的目标是输入信号X与其重...
【专利技术属性】
技术研发人员：王辉，孙梅迪，黄守道，刘平，龙卓，
申请(专利权)人：湖南大学，
类型：发明
国别省市：湖南;43
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。