【技术实现步骤摘要】
本专利技术涉及永磁同步电机轴承故障信号的信号处理、图像转换和神经网络，具体涉及一种永磁同步电机轴承故障诊断方法、装置及电子设备。
技术介绍
1、永磁同步电机由于长期运行、环境机械振动、润滑不良和腐蚀等原因，许多关键部位会发生故障。其中轴承故障占所有故障类型中比例最高，约为50％；而且电机轴承故障对整体系统的安全性和运行稳定性有巨大影响。因此，需要对永磁同步电机的轴承故障进行实时检测与诊断。目前永磁同步电机轴承故障诊断应用最为流行的方法为通过振动信号进行人工分析或者借助机器学习的方法进行分析。
2、通过振动信号进行人工分析，主要依赖于对信号处理技术的理解，需要一定的先验知识和经验；而借助机器学习的方法虽然可以免除先验和经验，但永磁同步电机的早期轴承故障振动信号较微弱，并且电机正常工作时所产生的振动信号以及外来因素导致的干扰信号，都会对机器学习方法产生干扰，从而导致诊断精确度降低。
技术实现思路
1、有鉴于此，有必要提供一种永磁同步电机轴承故障诊断方法、装置及电子设备，提高了轴承故障诊断的精确度，减少了对实验人员的知识要求。
2、为了实现上述目的，本专利技术提供了如下技术方案：
3、第一方面，本专利技术提供了一种永磁同步电机轴承故障诊断方法，包括：
4、获取待测永磁同步电机的轴承振动加速度信号；
5、基于poa-vmd算法对所述轴承振动加速度信号进行模态分解得到固有模态；
6、获取待测永磁同步电机的综合加权峭度指标
7、基于格拉姆角场对所述重构信号进行图像转换，得到二维图像；
8、获取训练好的轴承故障诊断模型，将所述二维图像输入至所述轴承故障诊断模型，得到故障诊断结果。
9、可选的，所述poa-vmd算法中的惩罚因子和模态个数是基于poa算法进行参数优化得到。
10、可选的，所述基于所述待测永磁同步电机的综合加权峭度指标对所述固有模态进行重构，得到重构信号，包括：
11、基于所述待测永磁同步电机的综合加权峭度指标对所述固有模态进行筛选，得到所述固有模态的主导分量和噪声分量，基于所述固有模态的所述主导分量和所述噪声分量进行重构，得到重构信号。
12、可选的，所述待测永磁同步电机的综合加权峭度指标的计算公式如下：
13、ekci＝cc*kurtosis*esk；
14、其中，ekci为所述待测永磁同步电机的综合加权峭度指标，cc为待测永磁同步电机的皮尔逊相关系数，kurtosis为待测永磁同步电机的峭度及esk为待测永磁同步电机的包络谱峭度。
15、可选的，所述待测永磁同步电机的皮尔逊相关系数的表达式如下：
16、
17、其中，cc为所述待测永磁同步电机的皮尔逊相关系数，xi为待测永磁同步电机的轴承振动加速度信号x的第i个点，为待测永磁同步电机的轴承振动加速度信号x的均值，yi为待测永磁同步电机的轴承振动加速度信号y的第i个点，为待测永磁同步电机的轴承振动加速度信号y的均值及n为待测永磁同步电机的轴承振动加速度信号点数。
18、可选的，所述待测永磁同步电机的峭度的计算公式如下：
19、
20、其中，kurtosis为所述待测永磁同步电机的峭度，n为待测永磁同步电机的轴承振动加速度信号点数，xi为待测永磁同步电机的轴承振动加速度信号在x的第i个点及为待测永磁同步电机的轴承振动加速度信号x的均值。
21、可选的，所述轴承故障诊断模型，包括：
22、获取训练集，并将所述训练集输入至迁移学习网络进行迭代训练，得到轴承故障诊断模型。
23、第二方面，本专利技术还提供了一种永磁同步电机轴承故障诊断装置，包括：
24、获取模块，用于获取待测永磁同步电机的轴承振动加速度信号；
25、分解模块，用于基于poa-vmd算法对所述轴承振动加速度信号进行模态分解得到固有模态；
26、重构模块，用于获取待测永磁同步电机的综合加权峭度指标，基于所述待测永磁同步电机的综合加权峭度指标对所述固有模态进行重构，得到重构信号；
27、图像转换模块，用于基于格拉姆角场对所述重构信号进行图像转换，得到二维图像；
28、故障诊断模块，用于获取训练好的轴承故障诊断模型，将所述二维图像输入至所述轴承故障诊断模型，得到故障诊断结果。
29、第三方面，本专利技术还提供了一种电子设备，用于执行存储器中存储的程序，以实现如上述任一种实现方式中的一种永磁同步电机轴承故障诊断方法中的步骤。
30、第四方面，本专利技术还提供了一种暂态计算机可读存储介质，用于存储计算机程序，能够实现上述任一种实现方式中的一种永磁同步电机轴承故障诊断方法中的步骤。
31、本专利技术提供了一种永磁同步电机轴承故障诊断方法、装置、电子设备及存储介质，获取待测永磁同步电机的轴承振动加速度信号，基于poa-vmd算法对所述轴承振动加速度信号进行模态分解得到固有模态，获取待测永磁同步电机的综合加权峭度指标，基于所述待测永磁同步电机的综合加权峭度指标对所述固有模态进行重构，得到重构信号，基于格拉姆角场对所述重构信号进行图像转换，得到二维图像，获取训练好的轴承故障诊断模型，将所述二维图像输入至所述轴承故障诊断模型，得到故障诊断结果。本申请通过基于poa-vmd的特征提取方法，解决了传统vmd存在的不同对象信号，惩罚因子和模态个数两个参数较难确定的问题，基于综合加权峭度筛选指标，解决了单一筛选指标存在的筛选后重构信号特征不明显的问题，基于格拉姆角场对筛选后的信号进行图像处理，解决了一般灰度图像处理后存在的特征不明显导致后续网络训练效果不佳的问题，因此相比于现有技术，本专利技术提出了poa-vmd和格拉姆角场的迁移学习永磁同步电机轴承故障诊断方法，该方法为混合故障诊断，提高了轴承故障诊断的精确度，减少了对实验人员的知识要求。
本文档来自技高网...【技术保护点】
1.一种永磁同步电机轴承故障诊断方法，其特征在于，包括：
2.根据权利要求1所述的永磁同步电机轴承故障诊断方法，其特征在于，所述POA-VMD算法中的惩罚因子和模态个数是基于POA算法进行参数优化得到。
3.根据权利要求1所述的永磁同步电机轴承故障诊断方法，其特征在于，所述基于所述待测永磁同步电机的综合加权峭度指标对所述固有模态进行重构，得到重构信号，包括：
4.根据权利要求1所述的永磁同步电机轴承故障诊断方法，其特征在于，所述待测永磁同步电机的综合加权峭度指标的计算公式如下：
5.根据权利要求4所述的永磁同步电机轴承故障诊断方法，其特征在于，所述待测永磁同步电机的皮尔逊相关系数的表达式如下：
6.根据权利要求4所述的永磁同步电机轴承故障诊断方法，其特征在于，所述待测永磁同步电机的峭度的计算公式如下：
7.根据权利要求1所述的永磁同步电机轴承故障诊断方法，其特征在于，所述轴承故障诊断模型，是基于如下步骤训练得到：
8.一种永磁同步电机轴承故障诊断装置，其特征在于，包括：
9.一种电子设
10.一种非暂态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如权利要求1至7任一项所述的一种永磁同步电机轴承故障诊断方法。
...【技术特征摘要】
1.一种永磁同步电机轴承故障诊断方法，其特征在于，包括：
2.根据权利要求1所述的永磁同步电机轴承故障诊断方法，其特征在于，所述poa-vmd算法中的惩罚因子和模态个数是基于poa算法进行参数优化得到。
3.根据权利要求1所述的永磁同步电机轴承故障诊断方法，其特征在于，所述基于所述待测永磁同步电机的综合加权峭度指标对所述固有模态进行重构，得到重构信号，包括：
4.根据权利要求1所述的永磁同步电机轴承故障诊断方法，其特征在于，所述待测永磁同步电机的综合加权峭度指标的计算公式如下：
5.根据权利要求4所述的永磁同步电机轴承故障诊断方法，其特征在于，所述待测永...
【专利技术属性】
技术研发人员：易康，戴鑫，唐文涛，蔡昌新，周子慨，
申请(专利权)人：荆楚理工学院，
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。