一种电机的智能异常检测方法技术

本发明专利技术提供了一种电机的智能异常检测方法，其特征在于，包括以下步骤：S1：通过音频采集器阵列获取待检测的电机运行时的声音信号；S2：将所述声音信号输入FP检测模型，得到对应的电机异常检测结果；若检测结果为正常，转入步骤S3；若检测结果为异常，则该电机存在异常；S3：将所述声音信号输入AI检测模型，得到对应的电机异常检测结果，若检测结果为正常，则该电机不存在异常，否则该电机存在异常。本发明专利技术首先利用FP检测模型进行检测，在检测出异常时，表明该电机存在异常，结束检测；若检测正常，则进一步利用AI模型进行检测，若两个模型检测结果均正常，则说明电机不存在异常，否则存在异常。采用本发明专利技术的方法可以提高异常电机的检测准确度和检测效率，降低检测成本。

【技术实现步骤摘要】

本专利技术涉及电机异常检测领域，尤其涉及一种电机的智能异常检测方法。

技术介绍

1、近年来世界各国陆续推出新能源政策，包括印度、挪威、法国和英国政府在2040年前逐步禁止销售燃油车，终端能源使用清洁能源成为新的发展趋势，而电力的使用也将逐步提升。国际能源署预估2020-2030年间再生能源发电量将逐步超过煤炭，届时风力发电逐步成为主要发电来源。风力发电主要由风力发电机利用风能带动风机扇片旋转将风能转化为电能，但是由于其常年暴漏在室外环境，加上恶劣天气的影响，对风力发电机的扇片影响较大；然而从其结构和生产方面来看，扇片损坏难以仅从施工和生产方面消除。因此对风力发电机的异常检测工作极为重要。

2、现有技术中对电机异常检测方法包括布拉格光线光栅(fiber bragg grating,fbg)、振动分析、红外线热像、光学影像、x光、超音波等。例如采用布拉格光线光栅内部折射率的变化反推扇片的形变量，但是这种方式的安装较为复杂；而振动分析的方法虽然有效，且测量范围大，但是必须要将传感器安装到电机上，对于零部件复杂多样的电机来说，不同部件之间的交互影响可以本文档来自技高网...

【技术保护点】

1.一种电机的智能异常检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的电机的智能异常检测方法，其特征在于，所述步骤S21具体包括：所述音频采集器阵列形成多通道采集器，并计算所述信号x(n)的时频响应，其中所述时频响应的计算方式为：其中l是时间索引，k是频率索引，w(n)是汉明窗函数，其长度与DFT变换的长度NFT相等；所述信号归一化的功率谱为：其中当k＝0或NFT/2时，a＝1，其余情况a＝2。

3.根据权利要求2所述的电机的智能异常检测方法，其特征在于，所述步骤S22具体为：

4.根据权利要求3所述的电机的智能异常检测方法，其特征在于，...

【技术特征摘要】

1.一种电机的智能异常检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的电机的智能异常检测方法，其特征在于，所述步骤s21具体包括：所述音频采集器阵列形成多通道采集器，并计算所述信号x(n)的时频响应，其中所述时频响应的计算方式为：其中l是时间索引，k是频率索引，w(n)是汉明窗函数，其长度与dft变换的长度nft相等；所述信号归一化的功率谱为：其中当k＝0或nft/2时，a＝1，其余情况a＝2。

3.根据权利要求2所述的电机的智能异常检测方法，其特征在于，所述步骤s22具体为：

4.根据权利要求3所述的电机的智能异常检测方法，其特征在于，所述步骤s23具体为：所述多通道特征包括单信道特征dij和联合信道特征dij

5.根据权利要求4所述的电机的智能异常检测方法，其特征在于，所述步骤s24具体为：

6.根据权利要求1所述的电机的智能异常检测方法，其特征在于，所述步骤s31具体为：获取历史的电机运行时的声音信号p(n)，并计算其时频响应：其中t为时间，f是频率索引，τ是归一化时间索引，β是归一化频率索引，λ是时间窗长度，p(n)的时长为t，w是窗函数，函数值在[t，t+l]外均为0，...

【专利技术属性】
技术研发人员：孙肇伟，杜少雄，段世良，李永红，罗全军，付超峰，王志锋，吕新华，焦丽娜，杨世庄，
申请(专利权)人：河南华东工控技术有限公司，
类型：发明
国别省市：