一种基于机器学习技术的电机在线故障监测方法和装置制造方法及图纸

本发明专利技术涉及电机技术领域。本发明专利技术涉及一种基于机器学习技术的电机在线故障监测方法和装置。其包括以下步骤：划定需要检测的电机区域，并对划定的电机区域内环境数据进行采集；对电机运行状态进行采集。本发明专利技术通过采集电机运行数据并进行分析，实时捕捉电机故障，并及时发出警报，有助于避免设备停机和减少生产损失，通过模型训练和参数优化，能够根据具体电机的特点和运行状态建立精准的故障诊断模型，提高故障诊断的准确性和稳定性，通过对环境参数与电机运行状态参数的关联分析，提高故障诊断的准确性，通过根据电机故障数据指定维修方案，使得工作人员根据方案快速使电机完成故障修复。修复。修复。

【技术实现步骤摘要】
一种基于机器学习技术的电机在线故障监测方法和装置


[0001]本专利技术涉及电机
，具体地说，涉及一种基于机器学习技术的电机在线故障监测方法和装置。

技术介绍

[0002]传统的电机故障监测方法往往依赖于人工巡检或离线测试，存在监测周期长、故障诊断准确性低等问题。智能检测电机故障监测时，局限于对电机数据状态进行检测，但常常环境也会干扰电机反馈的数据，导致数据判断错误对故障特征提取不够准确、诊断精度不高，同时电机故障需要专业人员利用经验制定方案对其进行修复，造成经验较少的维修人员无法及时制定维修方案，导致修复电机较慢，因此，提出一种基于机器学习技术的电机在线故障监测方法和装置。

技术实现思路

[0003]本专利技术的目的在于提供一种基于机器学习技术的电机在线故障监测方法和装置，以解决上述
技术介绍
中提出的问题。
[0004]为实现上述目的，提供了一种基于机器学习技术的电机在线故障监测方法和装置，包括以下步骤：S1、划定需要检测的电机区域，并对划定的电机区域内环境数据进行采集；S2、对电机运行状态进行采集，并将S1采集的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习技术的电机在线故障监测方法，其特征在于：包括以下步骤：S1、划定需要检测的电机区域，并对划定的电机区域内环境数据进行采集；S2、对电机运行状态进行采集，并将S1采集的环境数据结合状态数据进行处理，并对处理完毕的数据进行监测；S3、根据电机数据建立电机运行训练模型，并采集对应的电机运行数据上传至模型内；S4、基于S2处理完毕的数据输送至S3模型内进行验证分析，根据分析结果向管理中心发送故障数据；S5、基于S4发送的故障数据结合S3模型寻找对应数据，获取电机维修方案，根据电机维修方案对电机数据异常进行修复。2.根据权利要求1所述的基于机器学习技术的电机在线故障监测方法，其特征在于：所述S1对划定的电机区域内环境数据进行采集的步骤如下：S1.1、根据需要检测电机的周边环境对电机数据影响划定一片电机区域；S1.2、采集电机区域在正常运行状态下的环境参数，并对环境参数进行评估。3.根据权利要求2所述的基于机器学习技术的电机在线故障监测方法，其特征在于：所述S1.2对环境参数进行评估的步骤如下：S1.2.1、对该电机区域环境中的温度变化数据进行评估；S1.2.2、对该电机区域环境中的湿度数据进行评估；S1.2.3、对该电机区域环境中的磁力数据进行评估；S1.2.4、对该电机区域环境中的振动噪声数据进行评估；S1.2.5、整合以上对电机区域环境的评估数据，确定该电机区域的电机运行数据的可靠价值。4.根据权利要求3所述的基于机器学习技术的电机在线故障监测方法，其特征在于：所述S2对处理完毕的数据进行监测的步骤如下：S2.1、采集S1.1划定电机区域中的电机运行状态数据；S2.2、将S1.2.5整合的环境评估数据和S2.1采集的电机运行状态数据进行结合预处理，并对处理完毕的数据进行监测，同时结合历史数据对此次监测数据变动。5.根据权利要求4所述的基于机器学习技术的电机在线故障监测方法，其特征在于：所述将S1.2.5整合的环境评估数据...

【专利技术属性】
技术研发人员：林玲，
申请(专利权)人：天津海森诺海洋科技有限公司，
类型：发明
国别省市：