本发明专利技术属于工业故障诊断的技术领域，更具体地，涉及一种基于图像融合的电机电气故障诊断方法，包括分别获取电机正常运行、故障运行时的三相电流时序数据和三相电压时序数据；将三相电流时序数据、三相电压时序数据使用短时傅里叶变换转换成时频图像；再进行三相电流时频图像融合和三相电压时频图像融合，将融合后的电流时频图像与融合后的电压时频图像融合，形成时频融合特征图像：整合所有时频融合特征图像作为特征集；构建时频融合特征图像的故障诊断网络模型；对时频融合特征图像的故障诊断网络模型训练后进行电机电气故障诊断。本发明专利技术解决了现有技术中故障诊断模型计算复杂度较高、故障预测精度较低，电机故障特征提取造成困难的问题。
【技术实现步骤摘要】
本专利技术涉及工业，具体涉及一种基于图像融合的电机电气故障诊断方法。
技术介绍
1、随着经济和工业化的发展，电机在煤炭、冶金、石油、化工等工业领域得到广泛应用，成为不可或缺的动力装置。电机在运行过程中其负载经常发生变化以及其长期不间断工作在复杂的工作环境下，所以电机很容易产生故障。一旦电机的某个部件发生故障，后续会中途停机并导致生产过程的停工，在影响生产效率的同时还会对经济效益和人身安全造成很大的影响。传统的人工故障诊断技术存在局限性，无法及时准确地发现故障。
2、中国专利技术专利cn114553639a公开了morse信号检测与识别方法，包括对音频时域信号进行短时傅里叶变换，得到第一标准时频图像；对第一标准时频图像进行能量分选及特征提取，确定morse信号的频点；基于morse信号的频点对音频时域信号进行数字滤波，得到无干扰信号并进行短时傅里叶变换，得到第二标准时频图像，并得到第二有效时频图像；对第二有效时频图像进行图像增强处理后进行特征序列提取，得到按时域排列的特征序列，再进行报文预测。
3、传统的电机故障诊断方法通常基于专家经验，需要人工分析电机的振动数据和电流数据以发现潜在故障。然而，这种方法存在主观性强、工作量大、诊断准确性低等问题，限制了故障诊断的效率和准确性。采用深度学习技术能够提高诊断准确性、降低人力成本，从而简化诊断流程，避免经济损失。但电机故障信号往往包含三相电流、三相电压、定子电流、转子电流、电机转速等多个信号维度，这会对电机故障特征提取造成困难，故障诊断的效率和准确性较低。
技术实现思路
1、为解决上述技术问题，本专利技术所采用的技术方案为：一种基于图像融合的电机电气故障诊断方法，具体包括：
2、s1、获取电机正常运行、故障运行时的三相电流时序数据和三相电压时序数据；
3、s2、多传感器时序数据转换：分别将三相电流时序数据ia，ib，ic，三相电压时序数据ua，ub，uc使用短时傅里叶变换转换成时频图像；
4、s3、分别进行三相电流时频图像融合和三相电压时频图像融合，再将融合后的电流时频图像与融合后的电压时频图像融合，形成时频融合特征图像：
5、s4、整合所有时频融合特征图像作为特征集；
6、随机划分数据集为训练集和测试集的方式为随机选取数据集中80％的样本作为算法的训练集，20％的样本作为算法的测试集；
7、s5、构建时频融合特征图像的故障诊断网络模型；
8、s6、对时频融合特征图像的故障诊断网络模型训练后进行电机电气故障诊断；
9、本专利技术故障诊断网络模型的训练采用sgd(stochast ic grad ient descent)优化算法对模型参数进行更新，sgd算法通过计算每个训练样本的梯度来更新故障诊断模型的参数，参数更新公式如下：
10、
11、其中，θa表示第a次迭代的模型参数，η是学习率，是目标函数f关于参数θa的梯度；
12、使用sgd优化算法的优点是每次迭代只需计算一个样本的梯度，可以进一步降低故障诊断模型的计算量。
13、具体的，所述电机电气故障的不同故障类型是通过设计电机故障电路模拟不同类型电机故障，并使用数据采集模块完成电机故障时序数据的采集，实验所采集的故障类型包括：电机缺相故障、相间短路故障、相对地故障、转子励磁电压故障和转子励磁电流故障五种故障类型。
14、进一步地，分别将三相电流时序数据以及三相电压时序数据使用短时傅里叶变换转换成时频图像具体为：
15、对电机的三相电流时序数据ia，ib，ic，三相电压时序数据ua，ub，uc分别使用时域-频域转换方法，其中傅里叶变换是时域-频域间转换最常用的方法，但傅里叶变换局限于信号的频谱分析，没有对时域的分辨能力。
16、本专利技术使用短时傅里叶变换(stft，short-time fourier transform)对电机信号进行时频转换。短时傅里叶变换是一种基于傅里叶的变换，这种变换方法可以将一维时间序列扩展到二维时频平面。
17、使用短时傅里叶变换通过对三相电流时序数据、三相电压时序数据进行加窗处理以反映三相电流时序数据、三相电压时序数据的时频域特性：
18、
19、式中，g(t,ω)是频率ω在时间t处的复数值，t是时间，ω是频率，f(u)是原始时域信号即三相电流时序数据、三相电压时序数据，e-iωt是复指数，描述了信号的频率，g(u-t)是窗口函数，在计算stft时有多重窗口函数选择，在本专利技术中使用hamming窗，公式如下：
20、
21、公式(2)中，g(t)是在时间t处的窗函数值；
22、stft取一个窗函数g(t)，将原始时域信号即三相电流时序数据、三相电压时序数据f(u)从时域扩展到时频域，分别将三相电流时序数据ia，ib，ic，三相电压时序数据ua，ub，uc使用短时傅里叶变换转换为三相电流时频图像、三相电压时频图像。
23、进一步地，s3所述融合具体为：
24、s31、将时频图像构成初始图片集pi，包含n组电流时频图像集，每组电流时频图像集包含3张电流时频图像，pin＝{pian,pibn,picn}；n组电压时频图像集，每组电压时频图像集包含3张电压时频图像，pun＝{puan,pubn,pucn}；
25、其中，pin表示共n组电流时频图像集，pian表示共n组的a相电流时频图像，pibn表示共n组的b相电流时频图像，picn表示共n组的c相电流时频图像，pun表示共n组电压时频图像集，puan表示共n组的a相电压时频图像，pubn表示共n组的b相电压时频图像，pucn表示共n组的c相电压时频图像；
26、每张图像pian,pibn,picn,puan,pubn,pucn在rgb空间中用一个三维向量表示。
27、s32、获取电流时频图像集pin中第n组图像中pian的r值、第n组图像中pibn的g值和第n组图像中picn的b值融合成一张图片，则新的图片imgi可以表示为：imgi＝(pianr1,pibng2,picnb3)，其中1≥n小于等于n；
28、其中，(pianr1,pibng2,picnb3)分别代表取第n组电流图像的r值，取第n组电流图像的g值，以及取第n组电流图像的b值；
29、进行初步融合后，可以避免单个电流传感器表达故障特征的不完整性，融合多个同类电流传感器数据后可以使故障数据包含更多样化的故障特征，提高表达故障的能力。
30、s33、获取电压时频图像集pun中第n组图像中puan的r值，第n组图像中pubn的g值，第n组图像中pucn的b值融合成一张图像，则新的图像imgu可以表示为：imgu＝(puanr1,pubng2,pucnb3)；
31、其中，(puanr1,pubng2,pucnb3)分别代表取本文档来自技高网
...
【技术保护点】
1.一种基于图像融合的电机电气故障诊断方法，其特征在于，包括；
2.根据权利要求1所述的一种基于图像融合的电机电气故障诊断方法，其特征在于，所述将三相电流时序数据和三相电压时序数据转换成时频图像具体为：
3.根据权利要求2所述的一种基于图像融合的电机电气故障诊断方法，其特征在于，所述分别进行三相电流时频图像融合、三相电压时频图像融合、融合后的电流时频图像与融合后的电压时频图像融合，形成时频融合特征图像包括：
4.根据权利要求3所述的一种基于图像融合的电机电气故障诊断方法，其特征在于，所述构建时频融合特征图像的故障诊断网络模型包括：
5.根据权利要求3所述的一种基于图像融合的电机电气故障诊断方法，其特征在于，对时频融合特征图像的故障诊断网络模型使用采用SGD优化算法对模型参数进行更新：
6.根据权利要求3所述的一种基于图像融合的电机电气故障诊断方法，其特征在于，所述故障类型包括：电机缺相故障、相间短路故障、相对地故障、转子励磁电压故障和转子励磁电流故障。
【技术特征摘要】
1.一种基于图像融合的电机电气故障诊断方法，其特征在于，包括；
2.根据权利要求1所述的一种基于图像融合的电机电气故障诊断方法，其特征在于，所述将三相电流时序数据和三相电压时序数据转换成时频图像具体为：
3.根据权利要求2所述的一种基于图像融合的电机电气故障诊断方法，其特征在于，所述分别进行三相电流时频图像融合、三相电压时频图像融合、融合后的电流时频图像与融合后的电压时频图像融合，形成时频融合特征图像包括：
4.根据权利要...
【专利技术属性】
技术研发人员：孟庆龙，孟祥钰，郝慧娟，许红剑，孔冰洁，
申请(专利权)人：山东省计算中心国家超级计算济南中心，
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。