一种电机故障诊断方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术公开了一种电机故障诊断方法、装置、电子设备及存储介质。该方法包括：采集电机的运行参数；基于短时傅里叶算法和小波分析算法对所述运行参数进行处理，得到时频域特征；将所述运行参数和所述时频域特征进行融合，得到融合后的特征向量；将所述融合后的特征向量输入至训练好的长短期记忆神经网络中，识别出不同部位的故障特征；将所述不同部位的故障特征输入至训练好的支持向量机中，得到故障诊断结果。本发明专利技术能够有效且快速地对电机进行故障诊断。诊断。诊断。

【技术实现步骤摘要】
一种电机故障诊断方法、装置、电子设备及存储介质


[0001]本专利技术涉及电机
，特别是涉及一种电机故障诊断方法、装置、电子设备及存储介质。

技术介绍

[0002]电机作为将电能转化为机械能的装置，目前已渗透到工业生产及日常生活的方方面面。作为系统的关键或核心设备，电机对整个系统的安全、可靠运行具有至关重要的作用。在一些对可靠性要求较高的场合，电机突然停机可能会带来重大经济损失甚至人员伤亡。因此，有必要采取各种积极措施来减少或消除故障隐患以确保重要系统的安全稳定运行。电机发生故障并最终造成突然停机的过程往往是渐变的。在这个过程中，如果未及时发现故障，则故障会逐步发展扩大并可能诱发其他故障。
[0003]现有的故障诊断方法一般为人工检测。检修人员通过测量装置采集电机的温度、声音、电压和电流信号，凭借经验判断电机故障。此方法对检修人员的工作经验要求很高，效率低，且无法检测电机的微小故障，难以预防突然停机事故的发生。对于无法停机检修的水泵风机，以及一些工作环境恶劣的电机，人工检修操作繁琐。

技术实现思路

[0004]为了解决上述问题，本专利技术提供了一种电机故障诊断方法、装置、电子设备及存储介质。
[0005]为实现上述目的，本专利技术提供了如下方案：
[0006]一种电机故障诊断方法，包括：
[0007]采集电机的运行参数；所述运行参数包括电机定子电压和电流信号、电机底座的振动加速度信号、电机转速和转矩信号、电机轴承处温度以及环境温度；
[0008]基于短时傅里叶算法和小波分析算法对所述运行参数进行处理，得到时频域特征；
[0009]将所述运行参数和所述时频域特征进行融合，得到融合后的特征向量；
[0010]将所述融合后的特征向量输入至训练好的长短期记忆神经网络中，识别出不同部位的故障特征；
[0011]将所述不同部位的故障特征输入至训练好的支持向量机中，得到故障诊断结果。
[0012]可选地，还包括：
[0013]对采集到的电机的运行参数进行存储。
[0014]可选地，还包括：
[0015]显示所述故障诊断结果；
[0016]当诊断出电机出现故障后，通过蜂鸣器进行报警。
[0017]本专利技术还提供了一种电机故障诊断装置，包括：传感器组、AD模块、存储器、FPGA模块以及处理器；所述传感器组通过传感器接口与所述AD模块连接；所述FPGA模块分别与所
述AD模块、所述存储器以及所述处理器连接；所述传感器组用于采集电机的运行参数；所述FPGA模块用于将所述运行参数存储至所述存储器中；所述处理器内嵌有故障诊断算法，所述处理器通过所述故障诊断算法对所述运行参数进行处理，得到故障诊断结果；所述故障算法包括短时傅里叶算法、小波分析算法、长短期记忆神经网络和支持向量机。
[0018]可选地，所述传感器组包括电压传感器、电流传感器、温度传感器、振动加速度传感器以及转速传感器。
[0019]可选地，所述处理器通过485接口和以太网接口与上位机之间进行数据传输，通过SD卡接口实现与SD卡的数据传输。
[0020]可选地，还包括与所述FPGA模块连接的DA模块以及模拟量输出接口。
[0021]本专利技术还提供了一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行上述电机故障诊断方法。
[0022]本专利技术还提供了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现上述电机故障诊断方法。
[0023]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
[0024]本专利技术提供的电机故障诊断方法，包括：采集电机的运行参数；基于短时傅里叶算法和小波分析算法对所述运行参数进行处理，得到时频域特征；将所述运行参数和所述时频域特征进行融合，得到融合后的特征向量；将所述融合后的特征向量输入至训练好的长短期记忆神经网络中，识别出不同部位的故障特征；将所述不同部位的故障特征输入至训练好的支持向量机中，得到故障诊断结果。本专利技术提供的方法能够有效且快速地对电机进行故障诊断。
附图说明
[0025]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。
[0026]图1为本专利技术提供的电机故障诊断方法的流程图；
[0027]图2为本专利技术提供的电机故障诊断方法的原理图；
[0028]图3为本专利技术提供的电机故障诊断装置的结构框图。
具体实施方式
[0029]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前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0030]为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。
[0031]实施例一
[0032]如图1
‑
2所示，本专利技术提供的一种电机故障诊断方法，包括：
[0033]步骤101：采集电机的运行参数；所述运行参数包括电机定子电压和电流信号、电机底座的振动加速度信号、电机转速和转矩信号、电机轴承处温度以及环境温度。
[0034]步骤102：基于短时傅里叶算法和小波分析算法对所述运行参数进行处理，得到时频域特征。
[0035]使用短时傅里叶分析算法和小波分析算法对上述原始信号T0(即运行参数)进行频谱分析计算得到特征T1＝[M1,M2,
……
,M
m
]和小波能量矩计算得到特征T2＝[N1,N2,
……
,N
n
]；其中M1，M2,
…
M
m
分别代表1倍频(基频)、2倍频、m倍频；N1，N2…
N
n
分别代表小波分解后各频段的能量值，能量＝该频段所有系数的平方和。
[0036]步骤103：将所述运行参数和所述时频域特征进行融合，得到融合后的特征向量。
[0037]将原始信号和特征信号融合生成特征向量T＝[T0,T1,T2]。
[0038]步骤104：将所述融合后的特征向量输入至训练好的长短期记忆神经网络中，识别出不同部位的故障特征。
[0039]将不同故障类型电机的故障特征向量样本分别输入长短期记忆神经网络(Long Short Term Memory Network,LSTM)进行训练和学习，并识别出电机定子、转子及轴承不同部位的故障特征。
[0040]步骤105：将所述不同部位的故障特征输入至训练好的支持向本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电机故障诊断方法，其特征在于，包括：采集电机的运行参数；所述运行参数包括电机定子电压和电流信号、电机底座的振动加速度信号、电机转速和转矩信号、电机轴承处温度以及环境温度；基于短时傅里叶算法和小波分析算法对所述运行参数进行处理，得到时频域特征；将所述运行参数和所述时频域特征进行融合，得到融合后的特征向量；将所述融合后的特征向量输入至训练好的长短期记忆神经网络中，识别出不同部位的故障特征；将所述不同部位的故障特征输入至训练好的支持向量机中，得到故障诊断结果。2.根据权利要求1所述的电机故障诊断方法其特征在于，还包括：对采集到的电机的运行参数进行存储。3.根据权利要求1所述的电机故障诊断方法，其特征在于，还包括：显示所述故障诊断结果；当诊断出电机出现故障后，通过蜂鸣器进行报警。4.一种电机故障诊断装置，其特征在于，包括：传感器组、AD模块、存储器、FPGA模块以及处理器；所述传感器组通过传感器接口与所述AD模块连接；所述FPGA模块分别与所述AD模块、所述存储器以及所述处理器连接；所述传感器组用于采集电机的运行参数；所述FPGA模块用于将所述运行参数存储至所述...

【专利技术属性】
技术研发人员：王玉江，魏世丞，梁义，王博，辛蔚，郭蕾，陈茜，卢方杰，郑超，
申请(专利权)人：中国人民解放军陆军装甲兵学院，
类型：发明
国别省市：