一种电机故障的检测方法、介质及系统技术方案

本发明专利技术公开一种电机故障的检测方法、介质及系统。该方法包括：采集电机定子的电流信号和振动信号；分别对所述电流信号和所述振动信号进行去噪处理，得到处理后的电流信号和处理后的振动信号；根据故障检测模型的种类，对处理后的电流信号和处理后的振动信号进行特征处理得到输入特征；将所述输入特征输入到所述故障检测模型中，以使所述故障检测模型输出故障检测结果；其中，所述故障检测结果包括：所述输入特征对应各种故障类型的概率，以及所述输入特征对应的故障严重程度。本发明专利技术实施例使用的参数更多，不依赖于人工经验，减少干扰噪声对检测结果的影响，使得检测结果更加全面和准确。确。确。

【技术实现步骤摘要】
一种电机故障的检测方法、介质及系统


[0001]本专利技术涉及电机故障检测
，尤其涉及一种电机故障的检测方法、介质及系统。

技术介绍

[0002]在现代工业自动化中，农业、建筑业等很多领域都直接或间接地依靠电机将外界能量转化为可用的机械能。因此，检测电力设备故障是电机能够持续保证高效工作的关键。
[0003]现有技术中，通常在电机稳定运行状态下通过检测、分析电机定子输出的电流信号，从而通过观察该电流信号实现故障检测。
[0004]但是，电流信号仅仅能部分地反映故障信息，不能全面地反应故障信息；这是因为不同类型的故障在电流信号上的表现可能是相同的，故仅通过检测分析电流信号进行故障检测难以甄别具体的故障类型。此外，同一种故障的不同严重程度对于电机来说也代表着不同的性能等级，现有技术中通常依赖人工经验根据电流信号分析结果对电机性能进行评估，从而确定当前电机是否可用、是否亟待维修或者是否可暂缓维修，这样的评估结果通常带有主观性，具有不确定性。

技术实现思路

[0005]本专利技术实施例提供一种电机故障的检测方法、介质及系统，以解决现有技术对电机故障的检测不准确的问题。
[0006]第一方面，提供一种电机故障的检测方法，包括：采集电机定子的电流信号和振动信号；分别对所述电流信号和所述振动信号进行去噪处理，得到处理后的电流信号和处理后的振动信号；根据故障检测模型的种类，对处理后的电流信号和处理后的振动信号进行特征处理得到输入特征；将所述输入特征输入到所述故障检测模型中，以使所述故障检测模型输出故障检测结果；其中，所述故障检测结果包括：所述输入特征对应各种故障类型的概率，以及所述输入特征对应的故障严重程度。
[0007]第二方面，提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序指令；所述计算机程序指令被处理器执行时实现如上述第一方面实施例所述的电机故障的检测方法。
[0008]第三方面，提供一种电机故障的检测系统，包括：如上述第二方面实施例所述的计算机可读存储介质。
[0009]这样，本专利技术实施例，通过电流信号和振动信号两种参数实现电力设备故障检测，使用的参数更多，使得检测结果更加全面和准确；采用预先训练好的故障检测模型实现故障类型的甄别和故障等级的确定，能够输出电机存在的各种故障的概率以及故障严重程度，不依赖于人工经验，故障检测结果置信度高；采用小波阈值去噪处理对电流信号进行去噪，采用多项式最小二乘法对振动信号进行预处理，从而能够减少干扰噪声对检测结果的影响，鲁棒性较强。
附图说明
[0010]为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例的描述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。
[0011]图1是本专利技术实施例的电机故障的检测方法的流程图；
[0012]图2是本专利技术一具体实施例的神经网络模型的图像分类模块的结构示意图。
具体实施方式
[0013]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获取的所有其他实施例，都属于本专利技术保护的范围。
[0014]本专利技术实施例公开了一种电机故障的检测方法。具体的，如图1所示，该电机故障的检测方法包括如下的步骤：
[0015]步骤S1：采集电机定子的电流信号和振动信号。
[0016]具体的，可以使用电流信号采集装置采集电机定子的电流信号，使用振动传感器采集电机定子的振动信号。
[0017]在本专利技术一具体实施例中，该电流信号采集装置可以是高精度的数据采集卡，该高精度的数据采集卡可以是USB(Universal Serial Bus，通用串行总线)数据采集卡、PCI(Peripheral Component Interconnect，外设部件互连标准)数据采集卡、以太网数据采集卡、ISA(Instruction Set Architecture，指令集体系架构)数据采集卡、RS232串口数据采集卡等。
[0018]在本专利技术另一具体实施例中，该电流信号采集装置可以包括：电流测量单元、隔离滤波单元以及数据采集卡。其中，电流测量单元用于测量电机定子的电流；隔离滤波单元用于对电流进行隔离滤波处理；数据采集卡用于对隔离滤波单元处理后的电流进行采集，得到电机定子的电流信号。其中，电流测量单元可以是万用表、电流钳或者内置于电机中的电流检测芯片等等。隔离滤波单元可以使用阻容器件来搭建。当电流测量单元是外置于电机的万用表或电流钳等设备时，电机与电流信号采集装置之间的参考点存在电势差，共地点不同；因此，通过隔离单元对电流测量单元测量的电流进行隔离滤波处理，从而起到一定的隔离滤波作用，这样可以得到稳定无干扰的电流信号。
[0019]步骤S2：分别对电流信号和振动信号进行去噪处理，得到处理后的电流信号和处理后的振动信号。
[0020]具体的，对电流信号进行去噪处理的步骤包括：
[0021]对电流信号进行小波阈值去噪处理，得到处理后的电流信号。
[0022]小波阈值去噪处理是现有技术常用的方法，其具体过程如下：
[0023](1)对电流信号进行小波变换，得到一组小波分解系数。
[0024](2)对小波分解系数进行阈值处理，得到估计小波系数。
[0025](3)利用估计的小波系数进行小波重构，得到处理后的电流信号。
[0026]其中，阈值处理时所使用的临界阈值可以预先设定。
[0027]具体的，对振动信号进行去噪处理的步骤包括：
[0028]采用多项式最小二乘法对振动信号进行去除信号趋势项处理，得到处理后的振动信号。
[0029]该步骤可以在MATLAB软件中通过去除信号趋势项功能实现，在此不再赘述。
[0030]步骤S3：根据故障检测模型的种类，对处理后的电流信号和处理后的振动信号进行特征处理得到输入特征。
[0031]本专利技术实施例采用的故障检测模型可以是多标签分类器或神经网络模型。
[0032]具体的，若故障检测模型为多标签分类器，则该步骤包括如下的过程：
[0033](1)采用Db9小波分析法对处理后的电流信号进行特征提取。
[0034](2)利用Db9小波分析法或梅尔倒谱系数MFCC方法对处理后的振动信号进行特征提取。
[0035]上述的Db9小波分析法为现有的方法，在此不再赘述。通过Db9小波分析法将信号进行多层分解，得到多个时域波形，基于这些时域波形进行频域分析进而可提取特征信息。
[0036]MFCC方法则主要包括预加重、分帧加窗、傅里叶变换、滤波器组滤波、对数运算和离散余弦变换六个步骤，上述的MFCC方法为现有的方法，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电机故障的检测方法，其特征在于，包括：采集电机定子的电流信号和振动信号；分别对所述电流信号和所述振动信号进行去噪处理，得到处理后的电流信号和处理后的振动信号；根据故障检测模型的种类，对处理后的电流信号和处理后的振动信号进行特征处理得到输入特征；将所述输入特征输入到所述故障检测模型中，以使所述故障检测模型输出故障检测结果；其中，所述故障检测结果包括：所述输入特征对应各种故障类型的概率，以及所述输入特征对应的故障严重程度。2.根据权利要求1所述的电机故障的检测方法，其特征在于，所述故障检测模型输出故障检测结果的步骤之后，所述方法还包括：若所述故障类型的概率大于预设阈值，则确定所述电机具有所述故障类型的故障。3.根据权利要求1所述的电机故障的检测方法，其特征在于，对所述电流信号进行去噪处理的步骤，包括：对所述电流信号进行小波阈值去噪处理，得到处理后的电流信号。4.根据权利要求1所述的电机故障的检测方法，其特征在于，对所述振动信号进行去噪处理的步骤，包括：采用多项式最小二乘法对所述振动信号进行去除信号趋势项处理，得到处理后的振动信号。5.根据权利要求1所述的电机故障的检测方法，其特征在于，若所述故障检测模型为多标签分类器，则所述对处理后的电流信号和处理后的振动信号进行特征处理得到输入特征的步骤，包括：采用Db9小波分析法对处理后的电流信...

【专利技术属性】
技术研发人员：邹洪森，刘志远，陈昊阳，黄勇，赵欣洋，吴建，王绿，王国华，史磊，于晓军，叶涛，陆洪健，
申请(专利权)人：国网宁夏电力有限公司西安电子科技大学国网陕西省电力公司电力科学研究院，
类型：发明
国别省市：