【技术实现步骤摘要】
本专利技术涉及电力测量数据，具体涉及一种电铲电动机绕组故障监测方法及系统。
技术介绍
1、电铲是千万吨级露天矿山主要采掘设备之一，具有生产率高、作业率高等优点，是现今采矿业公认的主流机型。直流电机具有启动转矩大、调速范围广、过载能力强等优点，所以，电铲的驱动系统大多采用全数字的直流驱动系统。电铲电动机绕组部分易出现故障，需要采用电流传感器监测电流的波形、幅值等参数以监测电铲电动机绕组故障，但电流传感器采集到的数据中往往存在噪声干扰，需要在进行故障判断之前对采集到的电流数据进行去噪处理。
2、对采集到的电流数据进行去噪的方法一般为对电流波形信号进行分解，再通过小波阈值去噪方法对分解得到的电流波形信号的分量进行去噪。小波阈值去噪方法通过人工设定的小波阈值筛选高频分量，并针对高频分量进行小波阈值去噪，最后经逆变换获取去噪后的电流数据。但电动机绕组的电流波形较为复杂，局部波动强弱存在差异且常出现模态混乱，进而造成噪声并不只存在于高频分量中，所以对电流数据进行去噪处理的效果并不理想，从而无法对电铲电动机绕组的故障情况及时监测。
技术实现思路
1、本专利技术提供一种电铲电动机绕组故障监测方法及系统，以解决电流数据去噪效果不佳导致的电铲电动机绕组故障监测结果不理想的问题，所采用的技术方案具体如下：
2、第一方面，本专利技术一个实施例提供了一种电铲电动机绕组故障监测方法，该方法包括以下步骤：
3、采集电铲电动机绕组电流波形信号并进行分解，获取imf分量和分量的残
4、根据电流波形信号分段和残差累计和以及电流波形信号分段中包含的所有分量获取电流波形信号分段干扰度，根据电流波形信号分段中包含的所有分量和电流波形信号分段干扰度获取每个imf分量的分量稳定度；
5、获取电流波形信号分段对应的极值，获取极值的第一欧氏距离，根据极值的第一欧氏距离确定电流波形信号分段的第一信息熵，根据电流波形信号分段对应的极值、第一信息熵、包含的所有分量和电流波形信号分段对应的imf分量的分量稳定度获取电流波形信号分段的自适应系数；
6、根据电流波形信号分段的自适应系数确定电流波形信号分段的自适应系数调整值，根据的自适应系数调整值获取去噪后的电铲电动机绕组电流波形信号、实现电铲电动机绕组故障监测；
7、所述自适应系数的获取方法为：
8、
9、式中，表示第个imf分量划分出的第个电流波形信号分段的自适应系数；表示第个imf分量的分量稳定度；表示第个imf分量划分出的第个电流波形信号分段中包含的所有分量的标准差；表示第个imf分量划分出的个电流波形信号分段包含的所有分量的标准差的均值；表示第个电流波形信号分段对应的极值的数量；表示对括号内的数值进行线性归一化；表示自然常数；表示第个电流波形信号分段的第一信息熵。
10、进一步，所述对imf分量进行分段处理，获取电流波形信号分段和残差累计和的获取方法为：
11、以所有imf分量的时间跨度的最小公倍数为时间跨度，分别对每一个imf分量进行分段，获取电流波形信号分段；
12、将电流波形信号分段内包含的所有分量的残差和记为电流波形信号分段的残差累计和。
13、进一步，所述根据电流波形信号分段中包含的所有分量和电流波形信号分段干扰度获取每个imf分量的分量稳定度的获取方法为：
14、将第一预设阈值与电流波形信号分段的电流波形信号分段干扰度的差值记为电流波形信号分段的第一差值；
15、将电流波形信号分段所在的imf分量划分出的电流波形信号分段包含的所有分量的标准差记为第一标准差；
16、将电流波形信号分段中包含的所有分量的标准差与所有第一标准差的均值的差值记为电流波形信号分段的第二差值；
17、将电流波形信号分段的第一差值与第二差值的乘积记为电流波形信号分段的第一乘积；
18、将imf分量划分出的所有电流波形信号分段的第一乘积的均值记为imf分量的分量稳定度。
19、进一步，所述获取电流波形信号分段对应的极值的获取方法为：
20、将电流波形信号分段内包含的电流信号的极值记为电流波形信号分段对应的极值。
21、进一步，所述获取极值的第一欧氏距离的方法为：
22、将极值与欧氏距离最近的相邻极值之间的欧氏距离记为极值的第一欧氏距离。
23、进一步，所述根据极值的第一欧氏距离确定电流波形信号分段的第一信息熵的方法为：
24、将电流波形信号分段对应的电铲电动机绕组电流波形信号内包含的电流信号的极值的第一欧氏距离的信息熵记为电流波形信号分段的第一信息熵。
25、进一步，所述根据电流波形信号分段对应的极值、第一信息熵、包含的所有分量和电流波形信号分段对应的imf分量的分量稳定度获取电流波形信号分段的自适应系数的方法为：
26、
27、式中，表示第个imf分量划分出的第个电流波形信号分段的自适应系数；表示第个imf分量的分量稳定度；表示第个imf分量划分出的第个电流波形信号分段中包含的所有分量的标准差；表示第个imf分量划分出的个电流波形信号分段包含的所有分量的标准差的均值；表示第个电流波形信号分段对应的极值的数量；表示对括号内的数值进行线性归一化；表示自然常数；表示第个电流波形信号分段的第一信息熵。
28、进一步，所述根据电流波形信号分段的自适应系数确定电流波形信号分段的自适应系数调整值的方法为：
29、将电流波形信号分段的自适应系数与小波软阈值的和记为电流波形信号分段的自适应系数调整值。
30、进一步，所述根据的自适应系数调整值获取去噪后的电铲电动机绕组电流波形信号、实现电铲电动机绕组故障监测的方法为：
31、以电流波形信号分段的自适应系数调整值作为小波阈值的取值，对电流波形信号分段进行小波去噪，获取去噪后的电铲电动机绕组电流波形信号；
32、使用电动机绕组电流峰值监测方法对去噪后的电铲电动机绕组电流波形信号进行监测，实现电铲电动机绕组故障监测，及时对电铲电动机绕组故障监测得到的故障进行处理。
33、第二方面，本专利技术实施例还提供了一种电铲电动机绕组故障监测系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意一项所述方法的步骤。
34、本专利技术的有益效果是：
35、本专利技术对电铲电动机绕组电流波形信号的imf分量进行分段处理，获取电流波形信号分段，根据电铲电动机绕组电流波形信号未受到噪声的影响时，电流波形信号分段中每一个周期均较小且分量的幅值较小，不同电流波形信号分段对应的周期有所差异的特征，分别对每个电流波形信号分段进行分析，获取每个imf分量的分量稳定度；然后，以imf分量的分量稳定度为基础，针对受到噪本文档来自技高网...
【技术保护点】
1.一种电铲电动机绕组故障监测方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种电铲电动机绕组故障监测方法，其特征在于，所述对IMF分量进行分段处理，获取电流波形信号分段和残差累计和的获取方法为：
3.根据权利要求1所述的一种电铲电动机绕组故障监测方法，其特征在于，所述根据电流波形信号分段中包含的所有分量和电流波形信号分段干扰度获取每个IMF分量的分量稳定度的获取方法为：
4.根据权利要求1所述的一种电铲电动机绕组故障监测方法，其特征在于，所述获取电流波形信号分段对应的极值的获取方法为：
5.根据权利要求1所述的一种电铲电动机绕组故障监测方法，其特征在于，所述获取极值的第一欧氏距离的方法为：
6.根据权利要求1所述的一种电铲电动机绕组故障监测方法，其特征在于，所述根据极值的第一欧氏距离确定电流波形信号分段的第一信息熵的方法为：
7.根据权利要求1所述的一种电铲电动机绕组故障监测方法，其特征在于，所述根据电流波形信号分段对应的极值、第一信息熵、包含的所有分量和电流波形信号分段对应的IMF分量的
8.根据权利要求1所述的一种电铲电动机绕组故障监测方法，其特征在于，所述根据电流波形信号分段的自适应系数确定电流波形信号分段的自适应系数调整值的方法为：
9.根据权利要求1所述的一种电铲电动机绕组故障监测方法，其特征在于，所述根据的自适应系数调整值获取去噪后的电铲电动机绕组电流波形信号、实现电铲电动机绕组故障监测的方法为：
10.一种电铲电动机绕组故障监测系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-9任意一项方法的步骤。
...【技术特征摘要】
1.一种电铲电动机绕组故障监测方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种电铲电动机绕组故障监测方法，其特征在于，所述对imf分量进行分段处理，获取电流波形信号分段和残差累计和的获取方法为：
3.根据权利要求1所述的一种电铲电动机绕组故障监测方法，其特征在于，所述根据电流波形信号分段中包含的所有分量和电流波形信号分段干扰度获取每个imf分量的分量稳定度的获取方法为：
4.根据权利要求1所述的一种电铲电动机绕组故障监测方法，其特征在于，所述获取电流波形信号分段对应的极值的获取方法为：
5.根据权利要求1所述的一种电铲电动机绕组故障监测方法，其特征在于，所述获取极值的第一欧氏距离的方法为：
6.根据权利要求1所述的一种电铲电动机绕组故障监测方法，其特征在于，所述根据极值的第一欧氏距离确定电流波形信号分段的第一信息...
【专利技术属性】
技术研发人员：李石山，刘钟军，刘相群，刘文涛，陈美蓉，
申请(专利权)人：湘潭中天机电有限公司，
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。