【技术实现步骤摘要】
电机故障诊断方法及系统
[0001]本专利技术涉及计算机视觉以及电机故障诊断领域,具体涉及电机故障诊断方法及系统
。
技术介绍
[0002]目前,用于电机定转子故障检测和识别的方法有基于振动信号
、
基于温度信号
、
基于磁通信号和基于定子电压电流信号等,故障识别方法则是基于各种电机信号和智能分类算法以识别电机故障
。
在故障早期能够对故障进行快速准确的识别对于永磁同步电机系统有着至关重要的作用
。
一方面可以避免对电机乃至整个系统造成损失,使系统能够平稳运行;一方面可以节约后续维护维修成本
。
当前永磁同步电机故障诊断方法大致可以分为基于数学模型的故障诊断方法
、
基于信号分析的故障诊断方法以及基于人工智能的故障诊断方法
。
[0003]基于振动信号的检测方法需要安装传感器,需要将电机打开并且会对电机造成一些伤害;基于温度信号的检测方法受周围环境影响较大;基于磁通信号的检测方法容易受周围电磁干扰的影响,并且安装的探测线圈不易实现;而基于定子电压电流的检测方法中,电压电流传感器不仅成本低,而且可被设计成非侵入式,故此方法渐渐成为检测电机定转子故障的主流手段
。
在现存的基于定子电压电流信号的电机故障检测方法中,检测结果过度依靠技术人员或专家的分析判断,诊断手段较为单调,且人工分析的效率较为低下,不能实现故障的自动检测
。
目前的电机故障识别方法中,电机故障信号虽能获取 ...
【技术保护点】
【技术特征摘要】
1.
电机故障诊断方法,其特征在于,所述方法包括:
S1、
采集空心杯电机的定子电流数据,据以转化得到定子电流图像;
S2、
根据所述定子电流图像,对所述空心杯电机的定子三相电流进行
Park
变换,以得到
d
,
q
轴坐标下电流,根据预置图像故障关系,获取
Park
矢量合成图形;
S3、
设置卷积神经网络参数
、
层间连接关系,据以构建修正型故障诊断卷积神经网络,其中,所述修正型故障诊断卷积神经网络包括:
Inception
模块,供在所述修正型故障诊断卷积神经网络的所述输出通道之间,进行信息组合;
S4、
将所述
Park
矢量合成图形划分为训练集
、
测试集,根据所述训练集,训练所述修正型故障诊断卷积神经网络,据以获取适用诊断模型,将所述测试集输入所述适用诊断模型,据以诊断得到所述空心杯电机的故障诊断结果
。2.
根据权利要求1所述的电机故障诊断方法,其特征在于,所述步骤
S1
包括:利用下述逻辑,将所述定子三相电流
ia
,
ib
,
ic
,从
abc
坐标转换成所述
d
,
q
轴坐标下电流:
id,iq
:
3.
根据权利要求1所述的电机故障诊断方法,其特征在于,所述步骤
S1
还包括:
S11、
在理想状态下,利用所述空心杯电机的相电流
、
供电电源角频率,转换得到所述
d
,
q
轴坐标下电流;
S12、
根据所述所述
d
,
q
轴坐标下电流,在
(d,q)
二项坐标系中,形成的矢量轨迹,以及预置图像故障关系,获取所述
Park
矢量合成图形
。4.
根据权利要求3所述的电机故障诊断方法,其特征在于,所述步骤
S11
中,在理想状态下,利用所述空心杯电机的相电流
、
供电电源角频率,转换得到所述
d
,
q
轴坐标下电流:式中,
Im
为相电流最大值;
omega
为供电电源角频率,
r
为
Park
合成矢量
。5.
根据权利要求3所述的电机故障诊断方法,其特征在于,所述步骤
S12
中,所述图像故障关系包括:在当所述空心杯电机出现退磁故障时,所述
Park
矢量合成图形的半径增大;在所述空心杯电机出现匝间短路故障时,所述
Park
矢量合成图形,由标准圆畸变为椭圆形
。6.
根据权利要求1所述的电机故障诊断方法,其特征在于,所述步骤
S112
中的所述图像故障关系还包括:所述
Park
矢量合成图形的
Park
合成矢量
r
最...
【专利技术属性】
技术研发人员:杜倩雯,代明光,窦满峰,
申请(专利权)人:江淮前沿技术协同创新中心,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。