基于数据驱动的电机状态监测方法及系统技术方案

本发明专利技术公开了一种基于数据驱动的电机状态监测方法及系统，所述方法包括：对运行稳定后的电机工况进行切分，以得到稳态工况列表；根据切分结果，训练得到与稳态工况列表对应的工况异常检测模型；将电机当前工况与稳态工况列表文件中的各组合工况匹配；根据匹配结果和对应的工况异常检测模型，得到电机状态监测结果。本发明专利技术通过对电机工况进行切分，有利于获得有效的电机运行工况，在数据分析的基础上，训练得到工况异常检测模型，并基于稳态工况列表文件中与电机当前工况所匹配的工况和与匹配工况对应的工况异常判断模型，对当前电机工况进行分析，自动直接获得电机状态监测结果，解决了现有技术中难以有效地判定电机是否处于异常状态的弊端。于异常状态的弊端。于异常状态的弊端。

【技术实现步骤摘要】
基于数据驱动的电机状态监测方法及系统


[0001]本专利技术涉及电机诊断
，尤其涉及一种基于数据驱动的电机状态监测方法及系统。

技术介绍

[0002]电机状态监测和故障诊断技术是一种了解和掌握电机在使用过程中的状态，确定其整体或局部正常或异常，发现故障及其原因的技术。现有技术方案一般是基于电气特征分析技术的状态监测诊断装置，通过测量电机负载运行时的电流、电压信号，分析频谱、谐波、电气参数等特征，进一步探测到源于轴承故障、不对中故障、负载故障、机械松动、绝缘和一系列电气和机械故障的状态变化，进而判断整个传动系统的故障所在。
[0003]但是，传统技术方案是以设备当下状态为研究重点，无法对设备的未来发展趋势进行预测，更无法对设备健康状态进行系统地管理。如何有效地判定电机是否处于异常状态，是基于电机数据监测电机状态以及诊断电机故障所要解决的一个重要问题。
[0004]因此，亟需一种基于数据驱动的电机状态监测方法及系统。

技术实现思路

[0005]本专利技术的目的是提供一种基于数据驱动的电机状态监测方法及系统，以解决上述现有技术中的问题，能够在数据分析的基础上，训练得到工况异常检测模型，并基于稳态工况列表文件中与电机当前工况所匹配的工况和与匹配工况对应的工况异常判断模型，对当前电机工况进行分析，自动直接获得电机状态监测结果。
[0006]本专利技术提供了一种基于数据驱动的电机状态监测方法，其中，包括：
[0007]对电机运行稳定之后的电机工况进行切分，以得到稳态工况列表，其中，所述稳态工况列表包括不同稳定转速工况和不同电流工况的若干组合工况；
[0008]根据电机工况的切分结果，训练得到与稳态工况列表中的各组合工况对应的若干工况异常检测模型，其中，所述工况异常检测模型的数量与所述组合工况的数量对应；
[0009]将电机当前工况与所述稳态工况列表文件中的各组合工况进行匹配；
[0010]根据电机当前工况的匹配结果和与所述匹配结果对应的工况异常检测模型，得到电机状态监测结果。
[0011]如上所述的基于数据驱动的电机状态监测方法，其中，优选的是，所述对电机运行稳定之后的电机工况进行切分，以得到稳态工况列表，具体包括：
[0012]根据稳定转速向量对工况文件中的数据进行初步切分，得到若干初步分组；
[0013]对各所述初步分组中的电流数据标记稳态电流标签；
[0014]根据所述稳态电流标签对各初步分组进行二次切分，得到最终切分结果。
[0015]如上所述的基于数据驱动的电机状态监测方法，其中，优选的是，所述根据稳定转速向量对工况文件中的数据进行初步切分，得到若干初步分组，具体包括：
[0016]根据所述稳定转速向量对所述工况文件中不同转速的数据切分开，得到若干初步
分组，以并将同一转速的数据作为同一个初步分组，其中，所述初步分组的数量与所述稳定转速向量的数量对应，在同一个初步分组中，同一转速工况对应若干种不同电流工况，
[0017]所述根据所述稳态电流标签对各初步分组进行二次切分，得到最终切分结果，具体包括：
[0018]在各所述初步分组中，将标记为同一稳态电流标签的数据作为同一个精细分组；
[0019]根据各所述初步分组中的各所述精细分组，得到稳态工况列表，其中，所述稳态工况列表包括不同转速和不同电流的组合工况；
[0020]将所述稳态工况列表输出为包括转速变量和电流变量的CSV文件，其中，所述CSV文件中包括各个转速所对应的工况，并且每个转速对应若干个电流工况。
[0021]如上所述的基于数据驱动的电机状态监测方法，其中，优选的是，所述根据电机工况的切分结果，训练得到与稳态工况列表中的各组合工况对应的若干工况异常检测模型，具体包括：
[0022]将所述稳态工况列表中的各组合工况对应的工况序号和十六维特征矩阵文件作为训练数据，输入预设机器学习模型中，其中，所述十六维特征矩阵的每一行表示一个样本，第一列为时间信息，第二列表示转速，第三列表示稳定状态，第四列表示温度，剩余列表示12个时域和频域特征；
[0023]采用隔离异常点的方法，利用所述训练数据对所述预设机器学习模型进行训练，得到与所述稳态工况列表中的各组合工况对应的工况异常检测模型。
[0024]如上所述的基于数据驱动的电机状态监测方法，其中，优选的是，所述将电机当前工况与所述稳态工况列表文件中的各组合工况进行匹配，具体包括：
[0025]将所述电机当前工况中的转速和电流分别与所述稳态工况列表文件中的稳定转速工况和电流工况进行匹配；
[0026]根据转速和电流的匹配结果得到电机当前工况的匹配结果，以在所述稳态工况列表中的各组合工况中确定与所述电机当前工况匹配的匹配工况。
[0027]如上所述的基于数据驱动的电机状态监测方法，其中，优选的是，所述根据转速和电流的匹配结果得到电机当前工况的匹配结果，以在所述稳态工况列表中的各组合工况中确定与所述电机当前工况匹配的匹配工况，具体包括：
[0028]在所述电机当前工况中的转速和电流均匹配成功时，输出稳态工况列表中与电机当前工况所匹配的组合工况所对应的工况序号，作为电机当前工况的匹配结果，同时输出13维特征参数列表，其中第一列为温度，后12列为时域频域特征。
[0029]如上所述的基于数据驱动的电机状态监测方法，其中，优选的是，所述根据电机当前工况的匹配结果和与所述匹配结果对应的工况异常检测模型，得到电机状态监测结果，具体包括：
[0030]在与所述稳定工况列表中的若干组合工况对应的若干工况异常判断模型中，确定与所述匹配工况对应的工况异常判断模型，作为匹配工况异常判断模型；
[0031]根据所述匹配工况和所述匹配工况异常判断模型，得到电机状态监测结果。
[0032]如上所述的基于数据驱动的电机状态监测方法，其中，优选的是，所述在与所述稳定工况列表中的若干组合工况对应的若干工况异常判断模型中，确定与所述匹配工况对应的工况异常判断模型，作为匹配工况异常判断模型，具体包括：
[0033]建立各所述工况异常判断模型的模型序号与所述稳定工况列表中的各所述组合工况的工况序号的对应关系；
[0034]根据所述稳态工况列表中与电机当前工况所匹配的组合工况所对应的工况序号，和所述模型序号与所述工况序号的对应关系，确定与所述匹配工况对应的工况异常判断模型，作为匹配工况异常判断模型。
[0035]如上所述的基于数据驱动的电机状态监测方法，其中，优选的是，所述根据所述匹配工况和所述匹配工况异常判断模型，得到电机状态监测结果，具体包括：
[0036]根据所述13维特征参数列表中的温度与预设温度阈值的大小关系，确定是否需要利用匹配工况异常判断模型得到电机状态监测结果；
[0037]在温度小于等于预设温度阈值时，则确定电机状态正常；
[0038]在温度大于预设温度阈值时，利用匹配工况异常判断模型得到电机状本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数据驱动的电机状态监测方法，其特征在于，包括：对电机运行稳定之后的电机工况进行切分，以得到稳态工况列表，其中，所述稳态工况列表包括不同稳定转速工况和不同电流工况的若干组合工况；根据电机工况的切分结果，训练得到与稳态工况列表中的各组合工况对应的若干工况异常检测模型，其中，所述工况异常检测模型的数量与所述组合工况的数量对应；将电机当前工况与所述稳态工况列表文件中的各组合工况进行匹配；根据电机当前工况的匹配结果和与所述匹配结果对应的工况异常检测模型，得到电机状态监测结果。2.根据权利要求1所述的基于数据驱动的电机状态监测方法，其特征在于，所述对电机运行稳定之后的电机工况进行切分，以得到稳态工况列表，具体包括：根据稳定转速向量对工况文件中的数据进行初步切分，得到若干初步分组；对各所述初步分组中的电流数据标记稳态电流标签；根据所述稳态电流标签对各初步分组进行二次切分，得到最终切分结果。3.根据权利要求2所述的基于数据驱动的电机状态监测方法，其特征在于，所述根据稳定转速向量对工况文件中的数据进行初步切分，得到若干初步分组，具体包括：根据所述稳定转速向量对所述工况文件中不同转速的数据切分开，得到若干初步分组，以并将同一转速的数据作为同一个初步分组，其中，所述初步分组的数量与所述稳定转速向量的数量对应，在同一个初步分组中，同一转速工况对应若干种不同电流工况，所述根据所述稳态电流标签对各初步分组进行二次切分，得到最终切分结果，具体包括：在各所述初步分组中，将标记为同一稳态电流标签的数据作为同一个精细分组；根据各所述初步分组中的各所述精细分组，得到稳态工况列表，其中，所述稳态工况列表包括不同转速和不同电流的组合工况；将所述稳态工况列表输出为包括转速变量和电流变量的CSV文件，其中，所述CSV文件中包括各个转速所对应的工况，并且每个转速对应若干个电流工况。4.根据权利要求1所述的基于数据驱动的电机状态监测方法，其特征在于，所述根据电机工况的切分结果，训练得到与稳态工况列表中的各组合工况对应的若干工况异常检测模型，具体包括：将所述稳态工况列表中的各组合工况对应的工况序号和十六维特征矩阵文件作为训练数据，输入预设机器学习模型中，其中，所述十六维特征矩阵的每一行表示一个样本，第一列为时间信息，第二列表示转速，第三列表示稳定状态，第四列表示温度，剩余列表示12个时域和频域特征；采用隔离异常点的方法，利用所述训练数据对所述预设机器学习模型进行训练，得到与所述稳态工况列表中的各组合工况对应的工况异常检测模型。5.根据权利要求1所述的基于数据驱动的电机状态监测方法，其特征在于，所述将电机当前工况与所述稳态工况列表文件中的各组合工况进行匹配，具体包括：将所述电机当前工况中的转速和电流分别与所述稳态工况列表文件中的稳定转速工况和电流工况进行匹配；根据转速和电流的匹配结果得到电机当前工况的匹配结果，以在所述稳态工况列表中
的各组合工况中确定与所述电机当前工况匹配的匹配工况。6.根据权利要求5所述的基于数据驱动的电机状态监...

【专利技术属性】
技术研发人员：李明伟，许佩，张伟峰，李秀芳，许强，栗勇伟，乔建军，毛爱龙，姜克森，董云成，吴军伟，周亚丽，晁红杰，张东峰，杨根成，张要朋，周政伟，
申请(专利权)人：河南中烟工业有限责任公司，
类型：发明
国别省市：