一种基于电流多元深层信息域自适应的电机故障诊断方法技术

本发明专利技术公开了一种基于电流多元深层信息域自适应的电机故障诊断方法，该方法包括采集电机定子三相电流高频数据；对高频数据做Hilbert

【技术实现步骤摘要】
一种基于电流多元深层信息域自适应的电机故障诊断方法


[0001]本专利技术属于电机故障智能诊断
，特别是涉及一种基于电流多元深层信息负载域自适应的电机故障诊断方法。
[0002]
技术介绍

[0003]电机在工业生产中占有重要的地位，因电机故障导致的非停事故给企业带来很大的经济损失，目前仍然以人工巡检事后维修及预防性的批量定修为主。基于使用年限批量定修虽然能减少非停事故，但会导致电机的过度维修，浪费大量的人力资源。预测性定点维修是一种新的电机智能运维模式，基于振动传感器的预测性维护方式由于传感器必须安装在电机本体，安装成本高，且振动传感器价格高昂，对企业带来不小的经济压力。本专利提出了一种基于定子电流的电机故障预测性诊断方法，提取电流多元深层信息提高模型故障分类诊断能力，同时为提高电机跨工况泛化能力，提取不同负载下各元信息的各类故障共同特征，基于共同特征建立各元信息多分类诊断模型。该方法有助于电机的预测性运维，具有良好的应用前景。
[0004]
技术实现思路

[0005]本专利技术的目的是提供一种基于电流多元深层信息负载域自适应的电机故障诊断方法，能够及时发现电机故障，有利于减少因电机故障导致的非停事故带给企业造成的经济损失。
[0006]为解决上述技术问题，本专利技术提供一种电机故障诊断方法，包括：提出一种基于“分布采集、集中管理”的物联网数据采集、存储架构，采用ARM芯片（STM32）和电能计量芯片(AD9000)的硬件设备采集电机定子三相电流高频数据；对所述电流高频数据做数据预处理，分电机类型、分工况整理并进行数据有效性判断，去除离群点后得到有效高频数据；对所述有效高频数据做各种变换，提取电流深层多元信息，并绘制成信息图；对所述信息图，建立不同负载下的多源域数据，以其中一种负载信息作为目标域，采用多源域自适应迁移学习算法挖掘各故障类型的跨负载共同特征；基于所述各故障类型的跨负载共同特征，建立多分类器，以各分类器输出向量分布差异最小为优化目标，得到分类故障的多元信息融合诊断模型。
[0007]可选地，所述物联网数据采集存储架构，包括：采用开口式电流互感器采集三相电流数据，采用电压互感器+电阻分压方式采集三项电压数据，采用STM32芯片和AD9000计量芯片的硬件采集器读取三相电流高频原始数据；将各个分散的采集器数据通过网络交换机集中到边缘计算服务器，然后通过无线
WIFI上传客户端服务器集中管理，诊断模型运行在客户端服务器，并将诊断结果发送云端用户。
[0008]可选地，所述电流多元深层信息的提取过程，包括：对高频数据做希尔伯特变换（Hilbert）提取电流包络，对包络数据做快速傅里叶变换（FFT）变换得到包络谱图作为第一信息；将高频数据FFT变换频谱、相角图及频谱相间共轭图作为第二信息；对高频数据做经验模态分解（EMD），取低频段本征模态函数（IMF）的FFT变换频谱图作为第三信息。
[0009]可选地，所述多源域自适应迁移学习方法，包括：故障在不同工况下的特征表达具有差异性，在某一工况下训练的诊断模型，用于其他工况泛化能力很难保证。为提高诊断模型的工况迁移能力，建立空载、额定负载下的各类故障深层信息作为源域数据，125%负载下故障深层信息作为目标域数据。提出一种多元信息融合的多负载域自适应迁移学习方法，该方法保证所提取深层特征具有跨域故障诊断能力，特征提取选择CNN作为编码器，提取各故障高维特征；采用基于ransformer的Wassestein
‑
梯度惩罚对抗训练（WGAN
‑
GP）方法，基于域混淆损失对基础高维特征进行对抗训练，提取各类故障高维特征的跨域特性；基于高维特征训练第二个CNN模型，实现源域标签故障的精确分类。
[0010]从而挖掘出各类故障在不同负载下的共同特征，以及不同类型故障之间的分类特征。
[0011]可选地，电机各类故障，包括：本专利能够诊断的电机故障主要包括三个方面: 供电诊断， 电机本体故障诊断， 传动链故障诊断。其中供电诊断主要监测电机欠压、过压、过流、欠流、缺相及三相电压不平衡故障，电机本体故障诊断主要监测定转子轴向不对中、定转子气息不均、鼠笼条断裂、转子不平衡、三相负载不平衡及定子匝间短路故障，传动链故障诊断主要监测轴承故障、轴故障、齿轮箱故障、过载、欠载及电机卡阻故障。
[0012]可选地，电流多元信息融合电机故障分类诊断，包括：对于每一元电流深层信息，都可以提取不同故障的跨负载共同特征，虽然每种信息的共同特征有差异，但都可在不同方面给出同样的诊断结果。建立基于故障分类特征的多元信息分类器，以各分类器的输出分布差异最小为优化目标，同时建立每个分类器输出结果的最大区分度目标，保证不同信息分类器具有相同分类结果，同时保证每个分类器给出的输出结果区分度最大，最后实现电流多元信息融合电机分类故障诊断。
[0013]本专利技术提出了一种基于电流多元深层信息的域自适应方法实现电机故障的分类诊断，该方法包括采集电机定子三相电流高频数据；对高频数据做Hilbert
‑
FFT变换得到包络谱图作为第一信息；将高频数据FFT变换频谱、相角的频率
‑
分贝图及频谱相间共轭图作为第二信息；对高频数据做EMD分解，取低频分解段FFT频谱图作为第三信息；采用多源域自适应迁移学习方法提取不同故障在不同深层信息的跨负载共同特征，建立基于共同特征的多元信息分类器，以各分类器的输出分布差异最小及单一分类器分类区分度最大为优化目标，实现电流多元信息融合电机故障分类诊断。
[0014]基于上述方法，本专利技术的优点在于：通过采集电机运行时的定子电流信号，减少因安装昂贵振动传感器而造成的经济支出；深入研究电机各类故障机理，通过提取多元电流
深层特征，并通过域自适应方法提取跨负载各故障共同特征，基于电流多元信息融合的电机故障诊断方法，提高了电机故障诊断的准确性。本方法通过提高故障预报准确性及微弱故障的预判性，可以实现电机的预测性定点维修，改变传统事后维修造成的非停事故及预防性批量维修导致的过度维修，具有非常良好的应用前景。
[0015]附图说明
[0016]为了更清楚的说明本专利技术实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，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的前提下，还可以根据这些附图获得其他的附图。
[0017]图1为本申请实施例提供的电机故障诊断方法的流程示意图；图2为本申请实施例提供的数据采集存储框架图；图3为本申请实施例提供的数据采集器接线图；图4为本申请实施例提供的不同负载域自适应迁移方法框架图
具体实施方式
[0018]为了使本
的人员更好地理解本专利技术方案，下面结合附图和具体实施方式对本专利技术作进一步的详细说明。显然，所描述的实施例仅仅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做出创造性劳动本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于电流多元深层信息域自适应的电机故障诊断方法，其特征在于，包括：提出一种基于“分布采集、集中管理”的物联网数据采集、存储架构，采用STM32+AD9000计量芯片的硬件设备采集电机定子三相电流高频数据；对所述电流高频数据做数据预处理，分电机类型、分工况整理并进行数据有效性判断，去除离群点后得到有效高频数据；对所述有效高频数据做各种变换，提取电流深层多元信息；对所述深层信息，建立不同负载多源域数据，以其中一种负载信息作为目标域，采用多源域自适应迁移学习算法挖掘各故障类型的跨负载共同特征；基于所述各故障类型的跨负载共同特征，建立多元分类器，以各分类器输出向量分布差异最小为优化目标，得到分类故障的多元信息融合诊断模型；如权利要求1所述的电机故障诊断方法，其特征在于，物联网数据采集、存储架构，包括：采用开口式电流互感器采集三相电流数据，采用电压互感器+电阻分压方式采集三项电压数据，采用ARM芯片（STM32）和电能计量芯片(AD9000)架构的硬件采集器读取电流原始高频数据；将分散的采集器数据通过网络交换机集中到边缘计算服务器，然后通过无线WIFI上传客户端服务器集中管理，诊断模型运行在客户端服务器，并将诊断结果发送云端用户。2.如权利要求1所述的电机故障诊断方法，其特征在于，所述电流多元深层信息的提取过程，包括：对高频数据做希尔伯特变换（Hilbert）提取电流包络，对包络数据做快速傅里叶变换（FFT）变换得到包络谱图作为第一信息；将高频数据FFT变换频谱、相角图及频谱相间共轭图作为第二信息；对高频数据做经验模态分解（EMD），取低频段本征模态函数（IMF）的FFT变换频谱图作为第三信息。3.如权利要求1所述的电机故障诊断方法，其特征在于，所述多源域自适应迁移学习算法，包括：故障在不同工况下的特征表达具有差异性，在某一工况下训练的诊断模型，...

【专利技术属性】
技术研发人员：马天雨，茹贞贞，刘金平，
申请(专利权)人：湖南师范大学，
类型：发明
国别省市：