一种三相异步电机转子断条故障诊断方法技术

本发明专利技术涉及一种三相异步电机转子断条故障诊断方法

【技术实现步骤摘要】
一种三相异步电机转子断条故障诊断方法、系统及设备


[0001]本专利技术涉及深度学习
，具体涉及一种三相异步电机转子断条故障诊断方法
、
系统及设备
。

技术介绍

[0002]三相异步电机性能优异，被广泛应用于工业生产中，它们驱动着各种设备，为工业生产持续地提供动力
。
当电机出现故障时，如果采取传统的事后维修方式，则通常需要电机停机，电机停机意味着生产线的中断，工人的空闲，以及可能的订单延误
。
此外，停机还需要额外的维修和维护成本，需要更多的人力和时间来诊断和修复故障
。
另一种方法为定期维修，此方法容易导致维修过度或维修不足的问题
。
过于频繁的维修可能会增加维护成本，而过少的维修可能会导致未能及时解决潜在问题
。
为了改善传统维修方式的不足之处，需要研发电机状态监测的技术，实时监测电机的状态，有针对性地提供维护建议
。
[0003]转子断条故障是三相异步电机的一种常见故障，此故障会对电机的性能产生严重影响
。
当电机运行时，转子断条会导致磁场分布不均匀，引发电机异常振动
、
噪音和温度升高，严重的甚至会导致设备损坏和人员伤亡
。
三相异步电机出现转子断条故障时，定子电流中的故障分量会增加，这些故障分量通常表现为额外的电流谐波成分
。
[0004]现有的转子断条的故障诊断中一系列的问题导致存在故障诊断准确度较低的问题
>。
[0005]上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术
。

技术实现思路

[0006]本申请要解决的技术问题是提供一种三相异步电机转子断条故障诊断方法
、
系统及设备，具有三相异步电机转子断条故障诊断准确度更高的特点
。
[0007]第一方面，一种实施例中提供一种三相异步电机转子断条故障诊断方法，包括：
[0008]采集电机定子的原始信号作为第一信号数据，所述原始信号包括三相电流
、
电压
、
振动
、
温度和转矩；
[0009]对所述第一信号数据进行数据预处理，去除第一信号数据中的噪声，得到第二信号数据；
[0010]基于第二信号数据提取故障特征信号；
[0011]基于提取的故障特征信号进行故障诊断
。
[0012]第二方面，一种实施例中提供一种三星异步电机转子断条故障诊断系统，包括：
[0013]原始信号采集模块，用于采集电机定子的原始信号作为第一信号数据，所述原始信号包括三相电流
、
电压
、
振动
、
温度和转矩；
[0014]数据预处理模块，用于对所述第一信号数据进行数据预处理，去除第一信号数据中的噪声，得到第二信号数据；
[0015]故障特征信号提取模块，用于基于第二信号数据提取故障特征信号；
[0016]故障诊断模块，用于基于提取的故障特征信号进行故障诊断
。
[0017]第三方面，一种实施例中提供一种三相异步电机转子断条故障诊断设备，包括存储器和处理器，所述存储器中存储有程序，所述程序包括能够被所述处理器加载并处理上述任意一项实施例的三相异步电机转子断条故障诊断方法
。
[0018]第四方面，一种实施例中提供一种计算机可读存储介质，所述介质中存储有程序，所述程序能够被处理器加载并执行上述任意一项实施例的三相异步电机转子断条故障诊断方法
。
[0019]本专利技术的有益效果是：
[0020]通过对采集的电机信号的预处理，去除了信号中的噪声，从而提高后面故障诊断的准确性，对预处理的后的故障诊断对象，分布进行时间信号和空间信号的处理，随后融合两者的特征，进而可以对未知状态的电机进行转子断条故障诊断，可以帮助实时监测电机的状态
。
其中，在进行空间数据的处理过程中，通过图神经网络，捕捉节点本身的特征和节点之间的依赖关系，使得故障诊断结果更准确
。
附图说明
[0021]图1是本申请一种实施例的故障诊断方法流程示意图；
[0022]图2是本申请图1中步骤
S20
的一种实施例的方法流程示意图；
[0023]图3是本申请图1中步骤
S30
的一种实施例的方法流程示意图；
[0024]图4是本申请图1中步骤
S40
的一种实施例的方法流程示意图；
[0025]图5是本申请图4中步骤
S402
的一种实施例的方法流程示意图；
[0026]图6是本申请图5中步骤
S4022
的一种实施例的方法流程示意图
。
具体实施方式
[0027]下面通过具体实施方式结合附图对本专利技术作进一步详细说明
。
其中不同实施方式中类似元件采用了相关联的类似的元件标号
。
在以下的实施方式中，很多细节描述是为了使得本申请能被更好的理解
。
然而，本领域技术人员可以毫不费力的认识到，其中部分特征在不同情况下是可以省略的，或者可以由其他元件
、
材料
、
方法所替代
。
在某些情况下，本申请相关的一些操作并没有在说明书中显示或者描述，这是为了避免本申请的核心部分被过多的描述所淹没，而对于本领域技术人员而言，详细描述这些相关操作并不是必要的，他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作
。
[0028]另外，说明书中所描述的特点
、
操作或者特征可以以任意适当的方式结合形成各种实施方式
。
同时，方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整
。
因此，说明书和附图中的各种顺序只是为了清楚描述某一个实施例，并不意味着是必须的顺序，除非另有说明其中某个顺序是必须遵循的
。
[0029]本文中为部件所编序号本身，例如“第一”、“第二”等，仅用于区分所描述的对象，不具有任何顺序或技术含义
。
而本申请所说“连接”、“联接”，如无特别说明，均包括直接和间接连接
(
联接
)。
[0030]为便于对本申请的专利技术构思进行说明，以下对三相异步电机转子断条故障诊断技
术进行简要说明
。
[0031]三相异步电机出现转子断条故障时，定子电流中的故障分量会增加，这些故障分量通常表现为额外的电流谐波成分
。
[0032]开展转子断条的故障诊断需要解决几个问题：首先，采集到的电机定子三相电流数据包含噪声，可能会干扰故障特征的提取和诊断，因此需要对原始电流数据进行去噪；其次，去本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种三相异步电机转子断条故障诊断方法，其特征在于，包括：采集电机定子的原始信号作为第一信号数据，所述原始信号包括三相电流
、
电压
、
振动
、
温度和转矩；对所述第一信号数据进行数据预处理，去除第一信号数据中的噪声，得到第二信号数据；基于第二信号数据提取故障特征信号；基于提取的故障特征信号进行故障诊断
。2.
如权利要求1所述的三相异步电机转子断条故障诊断方法，其特征在于，所述的对所述第一信号数据进行数据预处理，去除第一信号数据中的噪声，得到第二信号数据，包括：添加白噪声，将所述第一信号数据与白噪声信号相加，形成扰动信号；进行
EEMD
分解，对所述扰动信号应用
EMD
，得到一组本征模态函数；去除噪声，计算每个本征模态函数与第一信号数据的相关系数；重构信号，去除含噪声的本征模态函数，将保留下来的本征模态函数进行信号重构，得到去噪后的第二信号数据；优选地，所述的将所述第一信号数据与白噪声信号相加，形成扰动信号，包括：
I
perturbed
(t)
＝
I(t)+Noise(t)
其中，
t
表示
t
时刻，
I(t)
表示第一信号数据，
Noise(t)
表示白噪声信号，
I
perturbed
(t)
表示扰动信号；优选地，所述的对所述扰动信号应用
EMD
，得到一组本征模态函数，包括：其中，
N
表示本征模态函数的总个数，
i
表示本征模态函数的索引，
1≤i≤N
，
IMF
i
(t)
表示第
i
个本征模态函数；优选地，所述的计算每个本征模态函数与第一信号数据的相关系数，包括：其中，
M
表示第
i
个本征模态函数的时间样本数量，
m
表示第
i
个本征模态函数的时间样本的索引，
1≤m≤M
，
IMF
i
(t)
j
表示第
i
个本征模态函数的第
m
个时间样本的值，表示第
i
个本征模态函数的均值，
I(t)
m
表示第一信号数据的第
m
个时间样本的值，表示第一信号数据的均值，
R i
表示第
i
个本征模态函数与第一信号数据的相关系数；优选地，所述的去除含噪声的本征模态函数，包括：基于得到的相关系数和预设的相关系数阈值，将相关系数小于所述预设的相关阈值的本征模态函数去除；所述的将保留下来的本征模态函数进行信号重构，得到去噪后的第二信号数据，包括：其中，
Q
表示保留下来的本征模态函数的数量，
q
表示保留下来的本征模态函数的索引，
1≤q≤Q
，
SelectedIMF
q
(t)
表示保留下来的第
q
个本征模态函数，
I
denoised
(t)
表示第二信号数据
。3.
如权利要求1所述的三相异步电机转子断条故障诊断方法，其特征在于，所述的基于第二信号数据提取故障特征，包括：将第二信号数据进行希尔伯特变换，得到希尔伯特变换信号；将第二数据信号作为实部，希尔伯特变换信号作为虚部，构建解析信号；计算所述解析信号的模量，以得到故障特征信号；优选地，所述的将第二信号数据进行希尔伯特变换，得到希尔伯特变换信号，包括：将第二信号数据表示为
s(t)
，进行希尔伯特变换，得到希尔伯特变换信号
H(t)
：其中，
t
表示
t
时刻，
τ
表示时间积分变量；优选地，所述的将第二数据信号作为实部，希尔伯特变换信号作为虚部，构建解析信号，包括：使用
s(t)
作为实部，希尔伯特变换信号
H(t)
作为虚部，构建解析信号
z(t)
：
z(t)
＝
s(t)+jH(t)
其中，
j
表示虚部单位；优选地，所述的计算所述解析信号的模量，以得到故障特征信号，包括：其中，
u(t)
表示故障特征信号，
Re[z(t)]
表示
z(t)
的实部，
Im[z(t)]
表示
z(t)
的虚部
。4.
如权利要求1所述的三相异步电机转子断条故障诊断方法，其特征在于，所述的基于提取的故障特征信号进行故障诊断，包括：采集所述故障特征信号中的故障诊断对象；将所述故障诊断对象作为输入进行故障诊断，包括：将所述故障诊断对象中的三相电流信号通过循环神经网络生成时间特征向量；将所述故障诊断对象中的电压
、
转矩
、
振动和温度信号进行处理，提取出与时间无关的特征，构建图结构，将所述图结构进行图神经网络处理，生成空间特征向量；将所述时间特征向量和空间特征向量进行向量拼接，得到隐藏状态向量；将所述隐藏状态向量映射到正常和故障的概率分布，基于所述概率分布得到故障诊断结果；优选地，所述的采集所述故障特征信号中的故障诊断对象，包括：以电机输入电压的一个周期为单位，采集故障特征信号中的至少一个单位的信号作为故障诊断对象；优选地，所述的将所述故障诊断对象中的三相电流信号通过多层循环神经网络生成时间特征向量，包括：对于故障诊断对象中的三相电流信号中的任意一个电流信号
x
的任意一个时间步信号
x
t
′
：利用重置门控制舍弃过去的记忆，包括：
r
t
′
＝
σ
(W1·
[h
t
′‑1,x
t
′
])
其中，
t
′
表示当前时间步，
r
t
′
表示当前时间步的重置门的输出，
σ
表示
Sigmoid
函数，
W1表示通过模型训练得到的重置门的权重矩阵，
h
t
′‑1表示上一个时间步的隐藏状态；利用更新门控制更新当前的候选记忆，包括：
z
t
′
＝
σ
(W2·
[h
t
′‑1,x
t
′
])
其中，
z
t
′
表示当前时间步的更新门的输出，
W2表示通过模型训练得到的更新门的权重矩阵；基于重置门和当前时间步的输入得到候选记忆，包括：
c
t
′
＝
tanh(W3·
[r
t
′
e h
t
′‑1,x
t
′
])
其中，
c
t
′
表示当前时间步的候选记忆输出，
W3表示通过模型训练得到的候选记忆的权重矩阵，
e
表示逐元素乘法，
tanh
表示双曲正切函数；更新隐藏状态，根据更新门
、
前一个隐藏状态和候选记忆来更新当前的隐藏状态，包括：
h
t
′
＝
(1
‑
z
t
′
)e h
t
′‑1+z
t
′
e c
t
′
其中，表示当前时间步的当前隐藏状态；将所述当前隐藏状态作为第一层循环神经网络的输出，将每一层循环神经网络的输出作为下一层循环神经网络的输入，得到最后一层循环神经网络的输出，作为最终隐藏状态，得到故障诊断对象中的三相电流信号的所有最终隐藏状态，最终输出为时间特征向量
T
；优选地，将所述故障诊断对象中的电压
、
转矩
、
振动和温度信号进行处理，提取出与时间无关的特征，构建图结构，将所述图结构进行...

【专利技术属性】
技术研发人员：王勇飞，李晓飞，蔡银辉，李昂，周晓东，廖波，唐云武，张健，王彤，李超，
申请(专利权)人：国能大渡河检修安装有限公司，
类型：发明
国别省市：