一种基于深度神经网络的电机热故障诊断方法及装置制造方法及图纸

本发明专利技术涉及故障检测技术领域，具体涉及一种基于深度神经网络的电机热故障诊断方法及装置，首先实时检测环境温度，当环境温度在合理范围内时，则实时检测电机温度是否超过电机的额定温度；若电机温度超过电机额定温度，则实时检测电机的工作电压是否超过电机的额定电压，得出电机是否存在电源故障；若电机的电源正常，则实时检测电机的振动信号，对实时检测的振动信号进行预处理，得到振动数据，使用训练好的神经网络模型对振动数据进行故障诊断，生成电机状态的诊断结果，本发明专利技术提供的电机热故障检测技术方式更加多样化、诊断结论更加精细明确。

【技术实现步骤摘要】
一种基于深度神经网络的电机热故障诊断方法及装置
本专利技术涉及故障检测
，具体涉及一种基于深度神经网络的电机热故障诊断方法及装置。
技术介绍
随着工业现代化水平快速提升，电机设备日益朝着高速化、精密化、自动化和集成化方向快速发展。电机设备的工作环境复杂多变，常因其工作负荷过重、负载多变以及受外部极端工作环境的影响容易发生各类故障。若故障无法及时有效的诊断并排除，将带来重大的安全隐患、并造成重大经济损失。电机在进行能量转换时，总是有一小部分损耗转变成热量，属于正常现象，可以继续使用。电动机绕组的断开，电动机绕组的短路，电动机的不正确连接，电动机的机械故障以及电动机本身的其他故障都可能导致电动机过热。可见，电动机发热通常是正常现象，但如果过热，则可能会出现一些故障，应停止使用并首先消除故障。传统的电机热故障通过检测电机温度这种单一方式存在诸多弊端，例如，只有发现电机温度过高时，才发出预警；对导致电机过热的原因无法给出判断，具体是外部温度过高，还是电机出现故障，不能给出结论。因此，现有的电机热故障检测技术方式单一、诊断结论不够精细明确，故障诊断的辅助效果不大，无法满足先进生产力的要求。
技术实现思路
本专利技术目的在于提供一种基于深度神经网络的电机热故障诊断方法及装置，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。为了实现上述目的，本专利技术提供以下技术方案：一种基于深度神经网络的电机热故障诊断方法，所述方法包括：实时检测环境温度，当环境温度在合理范围内时，则实时检测电机温度是否超过电机的额定温度；若电机温度超过电机额定温度，则实时检测电机的工作电压是否超过电机的额定电压，得出电机是否存在电源故障；若电机的电源正常，则实时检测电机的振动信号，对实时检测的振动信号进行预处理，得到振动数据，使用训练好的神经网络模型对振动数据进行故障诊断，生成电机状态的诊断结果。进一步，所述环境温度的合理范围为-10℃至25℃。进一步，所述训练好的神经网络模型通过以下方式训练得到：当环境温度在合理范围内时，在电机温度和工作电压正常状态下，收集电机在正常运行时和故障时的振动信号；对振动信号进行预处理，对预处理后的振动信号进行时域特征提取，得到振动数据；将振动数据形成样本，所述样本的格式为：每一条样本数据按输入-输出模式的映射关系进行构建，输入为振动数据，输出为电机状态，样本分为训练样本和检测样本两部分，所述电机状态包括正常、风险、故障；构建BP神经网络，将所述训练样本输入BP神经网络进行训练，根据检测样本判断BP神经网络的输出误差是否减小到设定阈值，若否，则继续对BP神经网络进行训练，若是，则结束训练，得到训练好的神经网络模型。进一步，所述预处理包括对振动信号进行采样和滤波。一种基于深度神经网络的电机热故障诊断装置，所述装置包括：电机温度判断模块，用于实时检测环境温度，当环境温度在合理范围内时，则实时检测电机温度是否超过电机的额定温度；电源故障判断模块，用于若电机温度超过电机额定温度，则实时检测电机的工作电压是否超过电机的额定电压，得出电机是否存在电源故障；故障诊断模块，用于若电机的电源正常，则实时检测电机的振动信号，对实时检测的振动信号进行预处理，得到振动数据，使用训练好的神经网络模型对振动数据进行故障诊断，生成电机状态的诊断结果。进一步，所述故障诊断模块包括：振动信号收集模块，用于当环境温度在合理范围内时，在电机温度和工作电压正常状态下，收集电机在正常运行时和故障时的振动信号；振动数据生成模块，用于对振动信号进行预处理，对预处理后的振动信号进行时域特征提取，得到振动数据；样本形成模块，用于将振动数据形成样本，所述样本的格式为：每一条样本数据按输入-输出模式的映射关系进行构建，输入为振动数据，输出为电机状态，样本分为训练样本和检测样本两部分，所述电机状态包括正常、风险、故障；神经网络模型训练模块，用于构建BP神经网络，将所述训练样本输入BP神经网络进行训练，根据检测样本判断BP神经网络的输出误差是否减小到设定阈值，若否，则继续对BP神经网络进行训练，若是，则结束训练，得到训练好的神经网络模型。一种基于深度神经网络的电机热故障诊断装置，所述装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现上述任一项所述的基于深度神经网络的电机热故障诊断方法的步骤。本专利技术的有益效果是：本专利技术公开一种基于深度神经网络的电机热故障诊断方法及装置，首先排除环境温度的影响，接着排除电机温度和电机电源的故障，当排除这些明显的故障情况后，使用训练好的神经网络模型对振动数据进行故障诊断，生成电机状态的诊断结果，本专利技术能够对导致电机过热的原因给出细致准确的判断，本专利技术提供的电机热故障检测技术方式更加多样化、诊断结论更加精细明确。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例一种基于深度神经网络的电机热故障诊断方法的流程示意图；图2是本专利技术实施例中神经网络模型训练的流程示意图；图3是本专利技术实施例一种基于深度神经网络的电机热故障诊断装置的结构示意图。具体实施方式以下将结合实施例和附图对本公开的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本公开的目的、方案和效果。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。参考图1，如图1所示为本专利技术实施例提供的一种基于深度神经网络的电机热故障诊断方法，所述方法包括以下步骤：步骤S100、实时检测环境温度，当环境温度在合理范围内时，则实时检测电机温度是否超过电机的额定温度；步骤S200、若电机温度超过电机额定温度，则实时检测电机的工作电压是否超过电机的额定电压，得出电机是否存在电源故障；其中，电机的额定温度根据电机自身标注的额定温度确定，电机的额定电压根据电机自身标注的额定电压确定。步骤S300、若电机的电源正常，则实时检测电机的振动信号，对实时检测的振动信号进行预处理，得到振动数据，使用训练好的神经网络模型对振动数据进行故障诊断，生成电机状态的诊断结果，所述电机状态的诊断结果包括电机状态正常、电机状态有风险和电机故障。在一个优选的实施例中，所述环境温度的合理范围为-10℃至25℃。参考图2，在一个优选的实施例中，所述训练好的神经网络模型通过以下方式训练得到：步骤S410、当环境温度在合理范围内时，在电机温度和工作电压正常状态下，收集电机在正常运行时和故障时的振动信号；<本文档来自技高网...

【技术保护点】
1.一种基于深度神经网络的电机热故障诊断方法，其特征在于，所述方法包括：/n实时检测环境温度，当环境温度在合理范围内时，则实时检测电机温度是否超过电机的额定温度；/n若电机温度超过电机额定温度，则实时检测电机的工作电压是否超过电机的额定电压，得出电机是否存在电源故障；/n若电机的电源正常，则实时检测电机的振动信号，对实时检测的振动信号进行预处理，得到振动数据，使用训练好的神经网络模型对振动数据进行故障诊断，生成电机状态的诊断结果。/n

【技术特征摘要】
1.一种基于深度神经网络的电机热故障诊断方法，其特征在于，所述方法包括：
实时检测环境温度，当环境温度在合理范围内时，则实时检测电机温度是否超过电机的额定温度；
若电机温度超过电机额定温度，则实时检测电机的工作电压是否超过电机的额定电压，得出电机是否存在电源故障；
若电机的电源正常，则实时检测电机的振动信号，对实时检测的振动信号进行预处理，得到振动数据，使用训练好的神经网络模型对振动数据进行故障诊断，生成电机状态的诊断结果。


2.根据权利要求1所述的一种基于深度神经网络的电机热故障诊断方法，其特征在于，所述环境温度的合理范围为-10℃至25℃。


3.根据权利要求1所述的一种基于深度神经网络的电机热故障诊断方法，其特征在于，所述训练好的神经网络模型通过以下方式训练得到：
当环境温度在合理范围内时，在电机温度和工作电压正常状态下，收集电机在正常运行时和故障时的振动信号；
对振动信号进行预处理，对预处理后的振动信号进行时域特征提取，得到振动数据；
将振动数据形成样本，所述样本的格式为：每一条样本数据按输入-输出模式的映射关系进行构建，输入为振动数据，输出为电机状态，样本分为训练样本和检测样本两部分，所述电机状态包括正常、风险、故障；
构建BP神经网络，将所述训练样本输入BP神经网络进行训练，根据检测样本判断BP神经网络的输出误差是否减小到设定阈值，若否，则继续对BP神经网络进行训练，若是，则结束训练，得到训练好的神经网络模型。


4.根据权利要求1或3所述的一种基于深度神经网络的电机热故障诊断方法，其特征在于，所述预处理包括对振动信号进行采样和滤波。


5.一种基于深度神经网络的电机热故障诊断装置...

【专利技术属性】
技术研发人员：张彩霞，王斯琪，
申请(专利权)人：佛山科学技术学院，
类型：发明
国别省市：广东;44