System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及智能系统诊断,尤其涉及一种基于数字挛生的电驱系统故障排查方法及系统。
技术介绍
1、电驱系统是指使用电力作为动力的传动系统,一般用于电动车辆、电动船舶、电动飞机和其他电动机械。电驱系统包括电机、电池、控制器和传动装置等组件,它们协同工作,将电能转换为机械能,从而驱动车辆或机械设备运动。
2、电驱系统作为现代工业生产中不可或缺的设备之一,具有广泛的应用且大多数的电驱系统都有许多的电子元器件、机械元器件组成,因此其故障种类多样、故障诊断难度大;
3、目前传统的电驱系统故障排查方法主要依赖维修人员的经验和专业知识,存在排查时间长、效率低、易产生误判等问题;而有研究显示,结合机器学习的方式能够提高排查效率节约人力成本,不容易产生误判;但是随着时代的发展,电驱系统所产生的数据量增加,采用机器学习模型的所诊断的故障率也会不准确;进而导致传统方法已经不能够解决这些问题,且该机器学习模型还会随着电驱系统数据量的增加而提高成本。
技术实现思路
1、本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊,而这种简化或省略不能用于限制本专利技术的范围。
2、鉴于上述现有存在的问题,提出了本专利技术。因此,本专利技术提供了一种基于数字挛生的电驱系统故障排查方法,用来解决实际问题中,随着电驱系统数据量的增加而传统模型判断故
3、为解决上述技术问题,本专利技术提供如下技术方案:
4、第一方面,本专利技术提供了一种基于数字挛生的电驱系统故障排查方法,包括:
5、采集电驱系统的数字振动信号,将数字振动信号转换为可处理的特征参数,并根据电驱系统自身的工作特性和结构特征,建立数字孪生模型;
6、利用堆叠集成方法对数字孪生模型进行优化;
7、将所述的特征参数和优化后的数字孪生模型相结合形成故障诊断库,通过所述故障诊断库匹配电驱系统的故障类型并作出应对措施。
8、作为本专利技术所述的基于数字挛生的电驱系统故障排查方法的一种优选方案,其中:采集电驱系统的数字振动信号,包括:加速度信号、振动频谱、相位分析和频率响应函数。
9、作为本专利技术所述的基于数字挛生的电驱系统故障排查方法的一种优选方案,其中:将数字振动信号转换为可处理的特征参数,包括:
10、通过离散小波方法变换代替滤波器对数字振动信号进行分解,并使用子小波分段频谱范围去除噪声;
11、将分解与去除噪声的数字振动信号采用特征提取运算转换为特征参数。
12、作为本专利技术所述的基于数字挛生的电驱系统故障排查方法的一种优选方案,其中:电驱系统自身的工作特性和结构特征,包括:
13、所述结构特征含有:电动机型号、电动机所连接的传动装置、控制器、变频器、过载保护装置、传感器型号和电源;
14、所述工作特性含有:额定功率、转速范围、控制性能、动态响应、效率和能耗、可靠性与维护性。
15、作为本专利技术所述的基于数字挛生的电驱系统故障排查方法的一种优选方案,其中:利用堆叠集成方法对数字孪生模型进行优化,包括:
16、将所述堆叠分为k层,每一层上由三个机器学习模型组成,每一个机器学习模型都可以训练下一层模型;在训练过程中,把特征参数作为训练集,电驱系统自身的工作特性和结构特征作为测试集,并将训练集划分成k-1个k-fold模块;
17、当三个机器学习模型的最上层训练完成的数据取出后,即得到有效特征参数,再将所述有效特征参数送入下一层的机器学习模型进行训练,直到三层都训练完成,此时的数据需存入一个k-fold模块中;
18、一直迭代堆叠过程,直到最后一个k-fold模块存入数据;此时需判断剩余的堆叠层中的数据是否小于任意的一个k-fold模块中的数据;若小于等于之前的任意一个k-fold模块,则直接舍弃该堆叠层中的数据;若大于之前的任意一个k-fold模块中的数据,则替换该k-fold模块中的数据。
19、作为本专利技术所述的基于数字挛生的电驱系统故障排查方法的一种优选方案,其中:通过所述故障诊断库匹配电驱系统的故障类型,包括:
20、将所述故障类型分为:温度预警、振动预警、压力预警、位移预警和电压预警。
21、作为本专利技术所述的基于数字挛生的电驱系统故障排查方法的一种优选方案,其中:通过所述故障诊断库匹配电驱系统的故障类型并作出应对措施,包括:
22、温度预警,通过温度传感器检测当前温度值,若当前温度值高于设定的温度阈值,则触发温度预警并生成当前温度值,发送预警信号至故障诊断库中;同时温度传感器周围的热量会通过导热管传导到散热器中,随后利用风扇将热量散发出去完成降温;
23、振动预警,通过振动传感器检测当前振动值,若当前振动值超过设定的振动阈值,则判断超出的振动值是否在合理范围区间内;若在合理范围区间内,则进行远程修正,即立即停止电驱系统运转减少振动源,并使用变频器调整相应设备的运转频率后重新启动系统再进行检测,若在频率值下降至阈值内,则定位振动传感器并重新设置阈值;若频率值不在阈值内,则发送预警信号至故障诊断库中,同时通过减振器减少设备振动;
24、压力预警,通过压力传感器检测当前的压力值,若当前压力值大于设定的压力阈值,则触发压力预警显示压力提示,发送预警信号至故障诊断库,同时压力控制阀门释放压力,将压力下降至阈值内;
25、位移预警,通过位移传感器检测当前位移值,如果当前位移值大于设定位移值,则触发位移预警并生成位移预警提示,发送预警信号至故障诊断库,同时通过位移控制设备减小位移量;
26、电压预警,通过电流传感器检测当前的电压值,若当前电压值大于设定电压值,则判断电压超过预警阈值显示当前电压值,发送预警信号至故障诊断库,同时利用继电器切断电源。
27、第二方面,本专利技术提供了基于数字挛生的电驱系统故障排查系统,其包括:
28、数字孪生模型构建模块,采集电驱系统的数字振动信号,将数字振动信号转换为可处理的特征参数,并根据电驱系统自身的工作特性和结构特征,建立数字孪生模型;
29、数字孪生模型优化模块,利用堆叠集成方法对数字孪生模型进行优化;
30、故障诊断处理模块,将所述的特征参数和优化后的数字孪生模型相结合形成故障诊断库,通过所述故障诊断库匹配电驱系统的故障类型作出应对措施。
31、第三方面,本专利技术提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其中:所述处理器执行所述计算机程序时实现上述方法的任一步骤。
32、第四方面,本专利技术提供了一种计算机可读存储介质,其上存储有计算机程序,其中:所述计算机程序被处理器执行时实现上述方法的任一步骤。
33、与现有技术相比,专利技术有益效本文档来自技高网...
【技术保护点】
1.一种基于数字挛生的电驱系统故障排查方法,其特征在于,包括:
2.如权利要求1所述的基于数字挛生的电驱系统故障排查方法,其特征在于,采集电驱系统的数字振动信号,包括:加速度信号、振动频谱、相位分析和频率响应函数。
3.如权利要求2所述的基于数字挛生的电驱系统故障排查方法,其特征在于,将数字振动信号转换为可处理的特征参数,包括:
4.如权利要求3所述的基于数字挛生的电驱系统故障排查方法,其特征在于,电驱系统自身的工作特性和结构特征,包括:
5.如权利要求3或4所述的基于数字挛生的电驱系统故障排查方法,其特征在于,利用堆叠集成方法对数字孪生模型进行优化,包括:
6.如权利要求5所述的基于数字挛生的电驱系统故障排查方法,其特征在于,通过所述故障诊断库匹配电驱系统的故障类型,包括:
7.如权利要求6所述的基于数字挛生的电驱系统故障排查方法,其特征在于,通过所述故障诊断库匹配电驱系统的故障类型并作出应对措施,包括:
8.一种基于数字挛生的电驱系统故障排查系统,基于权利要求1~7任一所述的基于数字挛生的电驱
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于:所述处理器执行所述计算机程序时实现权利要求1~7任一所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现权利要求1~7任一所述方法的步骤。
...【技术特征摘要】
1.一种基于数字挛生的电驱系统故障排查方法,其特征在于,包括:
2.如权利要求1所述的基于数字挛生的电驱系统故障排查方法,其特征在于,采集电驱系统的数字振动信号,包括:加速度信号、振动频谱、相位分析和频率响应函数。
3.如权利要求2所述的基于数字挛生的电驱系统故障排查方法,其特征在于,将数字振动信号转换为可处理的特征参数,包括:
4.如权利要求3所述的基于数字挛生的电驱系统故障排查方法,其特征在于,电驱系统自身的工作特性和结构特征,包括:
5.如权利要求3或4所述的基于数字挛生的电驱系统故障排查方法,其特征在于,利用堆叠集成方法对数字孪生模型进行优化,包括:
6.如权利要求5所述的基于数字挛生的电驱系...
【专利技术属性】
技术研发人员:赵耀忠,张波,马广玉,刘勇,鲁大舟,王亮,咸金龙,刘强,曹鋆程,刘跃,田文明,湛宏锎,彭金,庞亚威,胡松,
申请(专利权)人:华能伊敏煤电有限责任公司,
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。