【技术实现步骤摘要】
本专利技术涉及电故障检测，具体涉及一种电机堵转高灵敏度检测方法。
技术介绍
1、电机堵转的效果通常伴随着电流数据、电机温度数据、电机振动数据等多个维度数据的异常，而对电机堵转反映最及时也最准确的为电机电流数据和电机振动数据，因此可以通过检测电机电流数据或电机振动数据的异常进行电机堵转检测。现有技术通常采用迭代自组织聚类算法对电机电流数据进行聚类分析，根据聚类分析结果反映电机的堵转异常状态。
2、但是迭代自组织聚类算法在对电机的电流数据进行聚类的过程中，存在的异常数据或噪声数据会对聚类簇中心的修正造成影响，从而导致聚类结果出现误差，进而使得通过迭代自组织聚类算法得到的聚类结果不够准确，从而使得根据聚类分析结果进行电机堵转高灵敏度检测的效果较差。
技术实现思路
1、为了解决现有技术直接采用迭代自组织聚类算法在对电机的电流数据进行聚类分析得到的聚类结果不够准确，导致根据聚类分析结果进行电机堵转高灵敏度检测的效果较差的技术问题，本专利技术的目的在于提供一种电机堵转高灵敏度检测方法，所采用的技术方案具体如下：
2、本专利技术提出了一种电机堵转高灵敏度检测方法，所述方法包括：
3、获取电机在每个采样时间段中每个采样时刻下的电机电流数据和电机振动数据；将所述采样时间段均匀划分为至少两个局部时间段；
4、在每个局部时间段中，根据各个采样时刻下的电机电流数据的时序关联情况，以及每个采样时刻下的电机电流数据与电机振动数据的电机数据关系变化情况，得到每个局
5、根据每个采样时间段中所有局部时间段的局部离散度整体分布情况和时序变化情况，得到每个局部时间段的修正离散度；根据所述修正离散度得到每个局部时间段中所有电机电流数据的聚类参与度；
6、根据所述聚类参与度对所有采样时刻的电机电流数据进行聚类分析，根据聚类分析结果中各个电机电流数据的聚类簇分布情况进行电机堵转高灵敏度检测。
7、进一步地，所述局部离散度的获取方法包括：
8、在时间顺序上，将每个采样时刻下的电机电流数据与下一个采样时刻下的电机电流数据之间的差异的归一化值，作为每个采样时刻下的电机电流数据的参考电流变化值；对所有采样时刻下的电机电流数据进行曲线拟合，得到电机电流时序曲线；将所述电机电流时序曲线中每个采样时刻对应的切线斜率，作为每个采样时刻下的电机电流数据的参考电流斜率；
9、在时间顺序上，将每个采样时刻下的电机振动数据与下一个采样时刻下的电机振动数据之间的差异的归一化值，作为每个采样时刻下的电机振动数据的参考振动变化值；对所有采样时刻下的电机振动数据进行曲线拟合，得到电机振动时序曲线；将所述电机振动时序曲线中每个采样时刻对应的切线斜率，作为每个采样时刻下的电机振动数据的参考振动斜率；
10、根据所述参考电流变化值和所述参考振动变化值之间的时序关联性，以及参考电流斜率和所述参考振动斜率之间的时序关联性，得到每个电机电流数据的数据相关权重；
11、将每个局部时间段中的所有电机电流数据以时间顺序排列，得到每个局部时间段的电流数据时序序列；在每个局部时间段的电流数据时序序列中，以每个电机电流数据的索引值作为滞后数计算自相关系数，得到每个电机电流数据的参考自相关系数；
12、在每个局部时间段中，根据所述数据相关权重和所述参考自相关系数，得到每个局部时间段的局部离散度。
13、进一步地，所述修正离散度的获取方法包括：
14、将每个采样时间段中所有局部时间段的局部离散度的均值的负相关映射值，作为每个采样时间段的时序计算必要性；
15、在每个采样时间段中，将时间顺序上每个局部时间段的修正离散度与其下一个局部时间段的修正离散度之间的差异，作为每个采样时间段中每个局部时间段的局部离散变化值；将所述局部离散变化值与每个局部时间段的时间长度的比值的归一化值，作为每个采样时间段中每个局部时间段的参考离散变化值；将每个采样时间段中所有局部时间段的参考离散变化值的均值，作为每个采样时间段的离散变化波动程度；
16、根据所述时序计算必要性和所述离散变化波动程度，得到每个采样时间段中每个局部时间段的修正离散度。
17、进一步地，所述聚类参与度的获取方法包括：
18、将修正离散度大于预设修正阈值的局部时间段，作为修正局部时间段；将每个修正局部时间段的修正离散度的负相关映射值，作为每个修正局部时间段中所有电机电流数据的聚类参与度；
19、将预设正常参与度作为修正局部时间段之外的其他局部时间段中所有电机电流数据的聚类参与度；所述预设正常参与度大于所有修正局部时间段中所有电机电流数据的聚类参与度。
20、进一步地，所述根据聚类分析结果中各个电机电流数据的聚类簇分布情况进行电机堵转高灵敏度检测包括：
21、在聚类分析结果中，将处于聚类簇外的电机电流数据数量与电机电流数据总数量之间的比值，作为电机检测判定值；当电机检测判定值大于预设异常阈值时，发出电机堵转异常预警；当电机检测判定值小于预设异常阈值时，不发出电机堵转异常预警。
22、进一步地，所述数据相关权重的获取方法包括：
23、将所述参考电流变化值与所述参考振动变化值之间的比值，作为第一变化比值；将所述参考电流斜率与所述参考振动斜率之间的比值，作为第二变化比值；将所述第一变化比值与第二变化比值之间的乘积的负相关映射值的绝对值，作为每个电机电流数据的数据相关权重。
24、进一步地，所述根据所述数据相关权重和所述参考自相关系数，得到每个局部时间段的局部离散度的方法包括：
25、将所述参考自相关系数的绝对值的负相关映射值与所述数据相关权重，作为每个电机电流数据的参考偏离度；将每个局部时间段中所有电机电流数据的参考偏离度的均值，作为每个局部时间段的局部离散度。
26、进一步地，所述根据所述时序计算必要性和所述离散变化波动程度，得到每个采样时间段中所有局部时间段的修正离散度的方法包括：
27、在每个采样时间段中，将预设第一权重与所述离散变化波动程度的乘积，作为加权变化波动程度；将预设第二权重与所述时序计算必要性的乘积，作为加权计算必要性；所述预设第一权重和预设第二权重的和值为1；将所述加权变化波动程度和所述加权计算必要性的和值，作为每个采样时间段的整体离散度；
28、将整体离散度大于预设离散阈值的采样时间段，作为修正采样时间段；将修正采样时间段的整体离散度，作为该修正采样时间段中所有局部时间段的修正离散度；
29、将修正采样时间段之外的其他采样时间段中每个局部时间段的局部离散度，作为修正采样时间段之外的其他采样时间段中每个局部时间段的修正离散度。
30、进一步地，所述根据所述聚类参与度对所有采样时刻的电机电流数据进行聚类分析的方法包括：
31、将所述聚类参与度的负相关映射值，作为本文档来自技高网...
【技术保护点】
1.一种电机堵转高灵敏度检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种电机堵转高灵敏度检测方法，其特征在于，所述局部离散度的获取方法包括：
3.根据权利要求1所述的一种电机堵转高灵敏度检测方法，其特征在于，所述修正离散度的获取方法包括：
4.根据权利要求1所述的一种电机堵转高灵敏度检测方法，其特征在于，所述聚类参与度的获取方法包括：
5.根据权利要求1所述的一种电机堵转高灵敏度检测方法，其特征在于，所述根据聚类分析结果中各个电机电流数据的聚类簇分布情况进行电机堵转高灵敏度检测包括：
6.根据权利要求2所述的一种电机堵转高灵敏度检测方法，其特征在于，所述数据相关权重的获取方法包括：
7.根据权利要求2所述的一种电机堵转高灵敏度检测方法，其特征在于，所述根据所述数据相关权重和所述参考自相关系数，得到每个局部时间段的局部离散度的方法包括：
8.根据权利要求3所述的一种电机堵转高灵敏度检测方法，其特征在于，所述根据所述时序计算必要性和所述离散变化波动程度，得到每个采样时间段中所有局部时
9.根据权利要求1所述的一种电机堵转高灵敏度检测方法，其特征在于，所述根据所述聚类参与度对所有采样时刻的电机电流数据进行聚类分析的方法包括：
10.根据权利要求1所述的一种电机堵转高灵敏度检测方法，其特征在于，所述聚类分析的方法采用迭代自组织聚类算法。
...【技术特征摘要】
1.一种电机堵转高灵敏度检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种电机堵转高灵敏度检测方法，其特征在于，所述局部离散度的获取方法包括：
3.根据权利要求1所述的一种电机堵转高灵敏度检测方法，其特征在于，所述修正离散度的获取方法包括：
4.根据权利要求1所述的一种电机堵转高灵敏度检测方法，其特征在于，所述聚类参与度的获取方法包括：
5.根据权利要求1所述的一种电机堵转高灵敏度检测方法，其特征在于，所述根据聚类分析结果中各个电机电流数据的聚类簇分布情况进行电机堵转高灵敏度检测包括：
6.根据权利要求2所述的一种电机堵转高灵敏度检测方法，其特征在于，所述数据相关权重...
【专利技术属性】
技术研发人员：付晓娜，
申请(专利权)人：深圳市爱宝科技有限公司，
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。