融合特征提取与小样本分类的永磁直驱电机故障检测方法技术

本发明专利技术公开了融合特征提取与小样本分类的永磁直驱电机故障检测方法，包括以下步骤：数据采集；数据预处理；通过CNN经过若干次卷积池化；确定SVM的值；初始化样本权重；多次训练弱分类器，得出最终分类器；故障诊断结果。本发明专利技术基于支持向量机（SVM）和卷积神经网络（CNN），再结合集成学习的方法，能够很好地自适应提取相应的永磁直驱电机各类故障的特征，同时不需要对数据进行复杂的预处理。因此，在大量的样本数据中不需要人为地提取故障特征，直接通过深度学习模型算法进行提取。深度学习模型算法进行提取。深度学习模型算法进行提取。

【技术实现步骤摘要】
融合特征提取与小样本分类的永磁直驱电机故障检测方法


[0001]本专利技术涉及计算机科学
，尤其涉及融合特征提取与小样本分类的永磁直驱电机故障检测方法。

技术介绍

[0002]目前，关于永磁直驱电机故障诊断方法的研究，可以概括为三类：基于解析模型的方法、基于信号处理的方法、基于人工智能的方法。
[0003](1)基于解析模型处理的诊断方法。该方法根据系统各类状态参数之间关系，使用一定的逻辑语言对诊断系统建立解析模型，将系统输入量带入系统模型，进而根据逻辑关系预测出系统正常工作时的输出。通过比较系统实际输出与预测输出之间是否存在明显误差来判断是否发生故障，实现对故障类型的精准定位。主要包涵：通过有限元法实现永磁直驱电机匝间短路故障下的参数识别，根据其三相电流的不平衡状态以及短路时相电流的变化，提出一种通过电气参数模型分析故障的方法；通过使用时步有限元法对永磁直驱电机正常状态和偏心故障状态建立几何模型，检测电机是否发生偏心故障。
[0004](2)基于信号处理的诊断方法。该方法指的是对电机的信号进行采集和处理，在时域和频域上分析信号中的故障特征，对比正常电机信号中的故障特征，对比正常电机信号的时频特征，利用正常和故障模式下信号的差异来提取故障特征，以此来判断电机故障类型。其中包含了采用传感器和数据采集卡对永磁直驱电机运行时的定子电流和噪声进行提取分析，通过提取故障状态下定子电流的频率分布不和幅值变化，噪声频率分布用于对永磁直驱电机匝间短路的判断；通过对采集到的振动信号和运行时各相的电流信号进行傅里叶变换，得到振动信号和电流信号的频谱，之后用信号特征分析法对振动信号谱和电流信号谱进行分析；利用三相电源对电机进行控制，通过定子的电压谐波作为永磁直驱电机转子偏心故障、匝间短路故障和退磁故障的特征，对各相电压进行傅里叶变换得到电压的频谱进行多分类故障检测。
[0005](3)基于人工智能的诊断方法。该方法指的是根据长期积累的故障诊断的经验和逻辑推理的线管，利用人工智能级数模仿人类思维判断过程，完成运行条件下电机故障检测和诊断。目前行业内对于永磁直驱电机故障主要是利用基于人工智能的方法来检测电机的故障，其中最常用也最具代表性的方法就是SVM的人工智能识别方法。SVM故障诊断法的核心思想在于：将数据密度较高的区域分类为正，将数据密度较低的区域分类为负。通过将多分类问题转化为多个二分类问题来处理，实现对故障诊断的智能识别。常用的转化方法有：“一对多”算法和“一对一”算法：
[0006]第一，“一对多”算法是将A分类问题转化为A个二分类问题。构造A个SVM二分类器，每个SVM二分类器将其中的一类样本与其他类分离开来。例如，第θ个分类器是用来分隔第θ个分类器用来分隔第θ类样本和其他类别样本的，则分类器将第i类样本视为正类，其余样本都视为负类，其对应的分类决策函数为：
[0007]f
θ
(x)＝sign(<w
θ
，x>+b)
[0008]算法中A个SVM二分类器就对应A个分类决策函数，分别将样本向量x
θ
带A个分类决策函数中，把样本向量x
θ
归为分类函数值最大的那个类别，公式如下:
[0009][0010]该方法可以使训练的分类器与样本类别保持相等，个数较少，训练速度也相对较快。
[0011]第二，“一对一“算法是将A分类问题转化为A(A
‑
1)/2个“一对一”的二分类问题。它选择样本中的任意两类组合训练一个基本的SVM二分类器，训练样本可以组合训练得到A(A
‑
1)/2个SVM二分类器。在测试过程中，采取投票方法，用训练好的SVM二分类器对未测样本进行分类。分类器将结果分为哪一类，哪一类就增加一票，最终计算出投票数最多的类别即认定为测试样本输出的类别。“一对一”多分类算法很少出现错分的情况，即便某个SVM二分类器出现误判的情况，也不会影响最后的判定结果。
[0012]现有方法主要有以下缺点：(1)解析模型的诊断方法不足表现在以下两个方面：一方面，该方法基于具体的数学公式，所对应的各种参数值是确定的，所以在复杂的使用场景下，不容易精准地建立起具体的解析模型。这种方法对外界的抗干扰能力差，导致在进行复杂故障检测的过程中，精确度不达标，造成永磁直驱电机的故障检测出现误差。另一方面，利用解析模型的方法进行永磁直驱电机的故障检测，需要更具定量化的数据。但是，在实际故障检测应用的过程中，有些故障的表现却不是能够用某种定量化的数据来表示的，这也就导致了解析模型的方法在永磁直驱电机故障检测的过程中灵活度欠缺，环境适应能力不够。
[0013](2)信号处理的诊断方法相对于解析模型的方法而言，确实更加简单直接，但是在信号处理的方法中，有一些故障对应着很多不同的故障类型，例如永磁直驱电机的故障中包含着匝间短路故障、滚轴故障、退磁故障等，仅仅使用一种故障特征有时并不能够准确判断故障类型。
[0014](3)人工智能的诊断方法中，SVM作为永磁直驱电机故障检测重要的一种智能识别方法，在解决永磁直驱电机故障检测方面被广泛应用，同时也是目前基于人工智能方法中较为成熟的方法。在永磁直驱电机的故障检测场景下，SVM方法依然存在以下几点不足：
[0015]第一，在使用SVM方法对永磁直驱电机进行故障检测时，对于特征的提取更多是依靠人工进行提取，有可能造成特征提取的片面性和主观性，这对于故障诊断的精确度有很大的影响；
[0016]第二，在SVM算法中的重要参数的选择很大程度上受制于研究人员的经验，但是在永磁直驱电机故障诊断的场景中情况是很复杂的，重要参数是需要不断调整的，且参数确定后的模型的泛化能力往往达不到要求；
[0017]第二，永磁直驱电机故障类型有很多种而且在实际应用的过程中，所收集到的样本数据的规模是十分庞大的。SVM的方法对于多分类问题的处理比较复杂，只能将多分类转化为二分类问题，这就给故障诊断的计算增加了难度，同时很难在短时间内将大规模的样本数据计算得出结果。但是，如果为了降低计算难度，减小数据规模又会造成数据出现过拟合的现象，从而使得故障诊断结果的精确度下降。

技术实现思路

[0018]基于现有技术中存在的不足之处，本专利技术提供了融合特征提取与小样本分类的永磁直驱电机故障检测方法，具体技术方案如下：
[0019]融合特征提取与小样本分类的永磁直驱电机故障检测方法，包括以下步骤：
[0020]步骤1：数据采集；
[0021]步骤2：数据预处理；
[0022]步骤3：通过CNN经过若干次卷积池化；
[0023]步骤4：确定SVM的值；
[0024]步骤5：初始化样本权重；
[0025]步骤6：多次训练弱分类器，得出最终分类器；
[0026]步骤7：故障诊断结果。
[0027]具体的，步骤1所述的数据包括振动信号、电流信号和温度信号；
[0028]所述振动信号本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.融合特征提取与小样本分类的永磁直驱电机故障检测方法，其特征在于，包括以下步骤：步骤1：数据采集；步骤2：数据预处理；步骤3：通过CNN经过若干次卷积池化；步骤4：确定SVM的值；步骤5：初始化样本权重；步骤6：多次训练弱分类器，得出最终分类器；步骤7：故障诊断结果。2.根据权利要求1所述的融合特征提取与小样本分类的永磁直驱电机故障检测方法，其特征在于，步骤1所述的数据包括振动信号、电流信号和温度信号；所述振动信号通过永磁直驱电机上的振动传感器采集；所述电流信号通过永磁直驱电机上的电流传感器采集；所述温度信号通过永磁直驱电机上的温度传感器采集。3.根据权利要求1所述的融合特征提取与小样本分类的永磁直驱电机故障检测方法，其特征在于，步骤2所述的预处理包括简单趋势分析、对比分析和细分分析，通过分析进行数据的筛选，删除无效或具有较大偏差的数据。4.根据权利要求1所述的融合特征提取与小样本分类的永磁直驱电机故障检测方法，其特征在于，所述步骤3包括以下子步骤：步骤31：将数据输入卷积层得到特征信号矩阵；步骤32：进行池化过程，计算式为：其中，是特征信号与池化层之间连接的权重值，down(x)是采样函数，是偏置项；所述池化包括最大池化和平均池化，所述最大池化是指通过选出信号区域的最大值作为该区域池化后的值；所述平均池化是将喜好区域的平均值作为池化后的值；步骤33：全连接层输出结果，全连接层上的每一层节点都与上一层所有的结点相连，本身不具备特征提取的能力，而是将前面提取到的所有的特征进行整合得到相应的输出，在全连接层不断更新权值，根据权重以及各层的输出结果，求和得到最终的输出结果，计算式为：y
l
＝f(w
l
z
l
‑1+b
l
)其中，y
l
是全连接层的输出，w
l
表示权值，z
l
‑1是全连接层的输入，b
l
是偏置项，f(x)是分类函数；步骤34：将输出结果输入SVM中。5.根据权利要求4所述的融合特征提取与小样本分类的永磁直驱电机故障检测方法，其特征在于，步骤31具体为：将各类信号数据输入到卷积神经网络中，形成一个矩阵大小为w，卷积核大小为k，步幅为s，填充层数为p，卷积后产生特征图M大小为：<...

【专利技术属性】
技术研发人员：杨杰，俞晓东，郭浩然，江开放，杨威坤，孟大锋，李珊珊，陈林先，吕光源，方亮，付华，
申请(专利权)人：华润水泥投资有限公司，
类型：发明
国别省市：