一种电机故障分析方法及系统技术方案

本发明专利技术公开了一种电机故障分析方法，提供m个传感器用于检测所述电机转子的m个参数，每个传感器按照一定采样频率对电机转子运行情况进行采集n组数据，得到一个n*m的实际传感器数据矩阵A，对实际传感器数据矩阵A利用主成分分析方法进行处理，得到降维后n*k的虚拟传感器数据矩阵B，对降维后n*k的虚拟传感器数据矩阵B，进行互补性分析，得到概率最大的故障类型。本发明专利技术对实际传感器数据矩阵A经过降维处理之后，基于虚拟传感器数据矩阵B再构建故障诊断模型，进行故障分析，有效减少了系统对实际传感器数据的计算量，提高了系统的计算速度，同时提高了电机故障分析准确率，减少了系统运行的成本。本发明专利技术还提供了一种电机故障分析系统。析系统。析系统。

【技术实现步骤摘要】
一种电机故障分析方法及系统


[0001]本专利技术涉及故障诊断
，特别涉及一种电机故障分析方法及系统。

技术介绍

[0002]电机运行的正常与否直接影响企业的正常运转。如果电机质量不高，频繁出现故障，会影响车间生产的正产运行。电机转子是电机中运动部件，在运行过程中受到轴向的电磁力、离心力和热弯曲扰度力等的作用，因此在电机的运行过程中电机转子故障是主要的故障。
[0003]在对电机转子进行故障诊断时，常用在电机上安装转速传感器、振动位移传感器及振动加速度传感器等多种类型传感器对系统状态进行检测，因此在对电机转子故障预测和分析时需要融合多种传感器数据。
[0004]中国专利授权号CN110261771B，授权日2020年07年03日，专利名称《一种基于传感器互补性分析的故障诊断方法》提出了一种基于传感器互补分析的故障诊断方法，该方法根据各传感器检测结果的历史数据，分析针对不同故障类型时各传感器间的互补性，基于互补性分析结果，构建多传感器数据融合模型；基于构建的多传感器融合的模型对电机转子故障进行分析，得到电机转子故障类型。
[0005]上述故障诊断方法增加的传感器的种类越多，越有利于提升对电机转子故障分析的准确性；在实际的生产中，为了提高对电机转子故障分析的准确性，需要增加相应的传感器种类，但是系统在数据处理时，高维的矩阵计算和后续的其他计算就会产生很大的计算量；系统对数据处理的速度变的缓慢，增加了机器运行的成本。
[0006]因此，有必要提出新的故障分析方案，用以提升系统对数据处理的速度，同时提升系统对电机转子故障分析的精确性，减少机器运行的成本。

技术实现思路

[0007]为了解决现有技术中对电机转子故障分析时，由于多个传感器数据融合，系统对数据处理的速度变的缓慢，增加了机器运行的成本的问题，本专利技术提出了一种电机故障分析方法，首先对真实传感器数据做主成分分析方法进行预处理，得到各传感器数据的主成分分量，即虚拟传感器数据矩阵，分析针对不同故障类型时各虚拟传感器间的互补性，基于互补性分析结果，构建多虚拟传感器数据融合模型；基于构建的多虚拟传感器融合的模型对电机转子故障进行分析，得到电机转子故障类型。本专利技术可以有效减少了系统对传感器样本数据的计算量，提高了系统对数据的计算速度，同时提高了电机故障分析准确率，减少了系统运行的成本。
[0008]根据专利技术目的本专利技术公开了一种电机故障分析方法，包括：
[0009]提供m个传感器用于检测所述电机转子的m个参数，每个所述传感器按照一定采样频率对所述电机转子运行情况进行采集n组数据，得到一个n*m的实际传感器数据矩阵A，
[0010]对所述实际传感器数据矩阵A利用主成分分析方法进行处理，得到降维后n*k的虚
拟传感器数据矩阵B，
[0011]对所述降维后n*k的虚拟传感器数据矩阵B，进行互补性分析，得到概率最大的故障类型；
[0012]其中m,n及k均为自然数，且m>k。
[0013]优选的，所述对所述实际传感器数据矩阵A利用主成分分析方法进行处理，得到降维后n*k的虚拟传感器数据矩阵B，包括：
[0014]对所述实际传感器数据矩阵A进行标准化处理，获得标准化的n*m的实际传感器数据矩阵Z；
[0015]由所述标准化的n*m的实际传感器数据矩阵Z，计算获得所述标准化的n*m的实际传感器数据矩阵Z的协方差矩阵D；
[0016]由所述协方差矩阵D计算获得所述协方差矩阵D的特征值矩阵及特征向量矩阵；
[0017]从所述协方差矩阵D的特征值矩阵中选取最大的k个特征值对应的特征向量，以得到转换矩阵；其中所述k小于所述m；
[0018]根据所述转换矩阵对所述n*m的实际传感器数据矩阵A进行矩阵计算，得到所述降维后n*k的虚拟传感器数据矩阵B。
[0019]优选的，所述对所述实际传感器数据矩阵A进行标准化处理，获得标准化n*m的实际传感器数据矩阵Z；包括：
[0020]计算所述实际传感器数据矩阵A的均值u
j
和方差σ
j
，
[0021]利用公式：其中u
j
、σ
j
为第j个传感器数据的均值和方差；求得标准化的n*m实际传感器数据矩阵Z＝(z
ij
)
n
×
m
。
[0022]优选的，对所述实际传感器数据矩阵A利用主成分分析方法进行处理，得到降维后n*k的虚拟传感器数据矩阵B，包括：
[0023]对所述实际传感器数据矩阵A进行奇异值分解处理，得到所述实际传感器数据矩阵A的特征值矩阵及特征向量矩阵；
[0024]从所述实际传感器数据矩阵A的特征值矩阵中选取最大的k个特征值对应的特征向量，以得到转换矩阵；其中所述k小于所述m；
[0025]根据所述转换矩阵对所述n*m实际传感器数据矩阵A进行矩阵计算，得到降维后n*k的虚拟传感器数据矩阵B。
[0026]优选的，从所述协方差矩阵D的特征值矩阵中选取最大的k个特征值对应的特征向量，以得到转换矩阵；其中所述k小于所述m；包括：
[0027]通过设置主成分累计贡献率阀值t，由公式得到k值，其中t为自然数。
[0028]优选的，所述对所述降维后n*k的虚拟传感器数据矩阵B，进行互补性分析，得到概率最大的故障类型，包括：
[0029]1)根据所述降维后n*k的虚拟传感器数据矩阵B，获取各虚拟传感器故障诊断矩阵；由各虚拟传感器故障诊断矩阵，获取各虚拟传感器偏好关系矩阵；
[0030]2)由所述各虚拟传感器偏好关系矩阵，获取所述虚拟传感器互补性向量；
[0031]3)对于一个未知的故障，由所述各虚拟传感器诊断结果得到一组概率分布，构造
概率矩阵；根据所述概率矩阵构造基本概率分配函数(Basic Probability Assignment,BPA)；通过BPA融合公式，得到融合后的基本概率分配函数；由所述融合后的基本概率函数分配函数，得到概率最大的故障类型。
[0032]优选的，由所述各虚拟传感器偏好关系矩阵，通过层次分析方法获取所述虚拟传感器互补性向量。
[0033]本专利技术还提供了一种电机故障分析方法系统，包括m个传感器、数据降维模块、互补性分析模块；
[0034]所述m个传感器，用于检测所述电机转子的m个参数，每个所述传感器按照一定频率对所述电机转子运行情况进行采集n组数据，得到一个n*m的实际传感器数据矩阵A，
[0035]所述数据降维模块,对所述实际传感器数据矩阵A利用主成分分析方法进行处理，得到降维后n*k的虚拟传感器数据矩阵B，所述k小于所述m；
[0036]所述互补性分析模块，对所述降维后n*k的虚拟传感器数据矩阵B进行互补性分析，得到概率最大的故障类型，其中m、n及k均为自然数。
[0037]优选的，还包括显示屏，所述显示屏与所述互补性分析模块进行连接本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电机故障分析方法，其特征在于：包括提供m个传感器用于检测所述电机转子的m个参数，每个所述传感器按照一定采样频率对所述电机转子运行情况进行采集n组数据，得到一个n*m的实际传感器数据矩阵A，对所述实际传感器数据矩阵A利用主成分分析方法进行处理，得到降维后n*k的虚拟传感器数据矩阵B，对所述降维后n*k的虚拟传感器数据矩阵B，进行互补性分析，得到概率最大的故障类型；其中m,n及k均为自然数，且m>k。2.根据权利要求1所述的一种电机故障分析方法，其特征在于，所述对所述实际传感器数据矩阵A利用主成分分析方法进行处理，得到降维后n*k的虚拟传感器数据矩阵B，包括：对所述实际传感器数据矩阵A进行标准化处理，获得标准化的n*m的实际传感器数据矩阵Z；由所述标准化的n*m的实际传感器数据矩阵Z，计算获得所述标准化的n*m的实际传感器数据矩阵Z的协方差矩阵D；由所述协方差矩阵D计算获得所述协方差矩阵D的特征值矩阵及特征向量矩阵；从所述协方差矩阵D的特征值矩阵中选取最大的k个特征值对应的特征向量，以得到转换矩阵；其中所述k小于所述m；根据所述转换矩阵对所述n*m的实际传感器数据矩阵A进行矩阵计算，得到所述降维后n*k的虚拟传感器数据矩阵B。3.根据权利要求2所述的一种电机故障分析方法，其特征在于，所述对所述实际传感器数据矩阵A进行标准化处理，获得标准化n*m的实际传感器数据矩阵Z；包括：计算所述实际传感器数据矩阵A的均值u
j
和方差σ
j
，利用公式：其中u
j
、σ
j
为第j个传感器数据的均值和方差；求得标准化的n*m实际传感器数据矩阵Z＝(z
ij
)
n
×
m
。4.根据权利要求1所述的一种电机故障分析方法，其特征在于，对所述实际传感器数据矩阵A利用主成分分析方法进行处理，得到降维后n*k的虚拟传感器数据矩阵B，包括：对所述实际传感器数据矩阵A进行奇异值分解处理，得到所述实际传感器数据矩阵A的特征值矩阵及特征向量矩阵；从所述实际传感器数据矩阵A的特征值矩阵中选取最大的k个特征值对应的特征向量，以得到转换矩阵；其中所述k小于所述...

【专利技术属性】
技术研发人员：邹艳秋，梁起铭，金尚忠，徐睿，赵天琦，
申请(专利权)人：中国计量大学，
类型：发明
国别省市：