【技术实现步骤摘要】
本专利技术涉及永磁同步电机故障诊断，具体涉及一种永磁同步电机故障诊断方法。
技术介绍
1、梯形波永磁同步电机是由永磁材料制成的，其特点是输入方波电流，使得电机的气隙磁场呈现出梯形波分布。这种特性使得梯形波永磁同步电机在性能上更接近于直流电机，但同时拥有同步电机的优点，如更高的运行效率和更小的体积。
2、现有的电机故障诊断方法通常采用振动传感器采集电机运行时的振动信号，采用声音传感器采集电机运行时的声音信号，通过对振动信号或者声音信号的处理，判断出电机故障的情况。但是振动信号和声音信号极容易受到干扰，且在振动或声音发生改变时，电机故障情况已经较为严重，因此，现有的电机故障诊断方法存在故障检测精度不高的问题。
技术实现思路
1、针对现有技术中的上述不足，本专利技术提供的一种永磁同步电机故障诊断方法解决了现有的电机故障诊断方法存在故障检测精度不高的问题。
2、为了达到上述专利技术目的，本专利技术采用的技术方案为：一种永磁同步电机故障诊断方法，包括以下步骤：
3、s1、将互感单元分别放置在梯形波永磁同步电机的每一相绕组上；
4、s2、测量每一相绕组上的互感单元的输出电流信号；
5、s3、提取每一相绕组上的互感单元的输出电流信号的电流特征，构建特征矩阵；
6、s4、根据故障诊断模型，对三个特征矩阵进行处理，得到永磁同步电机故障等级。
7、本专利技术的有益效果为：本专利技术在梯形波永磁同步电机的每一相绕组上设置
8、进一步地，所述s3包括以下分步骤：
9、s31、对每一相绕组上的互感单元的输出电流信号进行分段处理，得到多段电流子信号；
10、s32、提取每段电流子信号的峰值因子、均值、上升梯度因子和下降梯度因子，构建特征向量；
11、s33、将多段电流子信号对应的特征向量，构成特征矩阵，，其中，i为特征矩阵，i1为第1段电流子信号对应的特征向量，ii为第i段电流子信号对应的特征向量，in为第n段电流子信号对应的特征向量，n为电流子信号的数量，i为电流子信号的编号。
12、上述进一步地方案的有益效果为：梯形波永磁同步电机输入的是周期性的方波电流，因此，互感单元上的电流也呈周期性的变化，因此，本专利技术将互感单元的输出电流信号进行分段处理，提取每段电流子信号的峰值因子、均值、上升梯度因子和下降梯度因子。
13、进一步地，所述s32中峰值因子的表达式为：
14、，
15、其中，γi,max为第i段电流子信号的峰值因子，max取最大值，xi,k为第i段电流子信号中第k个电流值，| |为绝对值，k为第i段电流子信号中电流值的数量，k为电流值的编号。
16、上述进一步地方案的有益效果为：本专利技术通过峰值因子表征了信号波峰的明显程度。
17、进一步地，所述s32中均值的表达式为：
18、，
19、其中，γi,c为第i段电流子信号的均值。
20、进一步地，所述s32中上升梯度因子的表达式为：
21、，
22、其中，γi,up为第i段电流子信号的上升梯度因子，xi,up,k为第i段电流子信号中上升阶段的第k个电流值，xi,up,k+1为第i段电流子信号中上升阶段的第k+1个电流值，nup为电流子信号中上升阶段中电流值的数量。
23、进一步地，所述s32中下降梯度因子的表达式为：
24、，
25、其中，γi,down为第i段电流子信号的下降梯度因子，xi,down,k为第i段电流子信号中下降阶段的第k个电流值，xi,down,k+1为第i段电流子信号中下降阶段的第k+1个电流值，ndown为电流子信号中下降阶段中电流值的数量。
26、上述进一步地方案的有益效果为：本专利技术中上升梯度因子和下降梯度因子表征上升或下降阶段的坡度情况，反应在每个周期方波电流中每相绕组上磁感的变化情况。
27、进一步地，所述s4中故障诊断模型包括：a相分类器、b相分类器、c相分类器和故障等级输出器；
28、所述a相分类器的输入端用于输入a相对应的特征矩阵；所述b相分类器的输入端用于输入b相对应的特征矩阵；所述c相分类器的输入端用于输入c相对应的特征矩阵；所述故障等级输出器的输入端分别与a相分类器的输出端、b相分类器的输出端和c相分类器的输出端连接，其输出端作为故障诊断模型的输出端。
29、进一步地，所述a相分类器、b相分类器和c相分类器的结构均相同，均包括：第一卷积层、第二卷积层、第三卷积层、第一池化层、第二池化层、第三池化层、第一softmax层、第二softmax层、第三softmax层、第一乘法器m1、第二乘法器m2、第三乘法器m3、加法器a和子分类层；
30、所述第一卷积层的输入端作为a相分类器、b相分类器或c相分类器的输入端，其输出端分别与第二卷积层的输入端和第一池化层的输入端连接；所述第二卷积层的输出端分别与第二池化层的输入端和第三卷积层的输入端连接；所述第三卷积层的输出端与第三池化层的输入端连接；所述第一乘法器m1的第一输入端分别与第一池化层的输出端和第一softmax层的输入端连接，其第二输入端与第一softmax层的输出端连接；所述第二乘法器m2的第一输入端分别与第二池化层的输出端和第二softmax层的输入端连接，其第二输入端与第二softmax层的输出端连接；所述第三乘法器m3的第一输入端分别与第三池化层的输出端和第三softmax层的输入端连接，其第二输入端与第三softmax层的输出端连接；所述加法器a的输入端分别与第一乘法器m1的输出端、第二乘法器m2的输出端和第三乘法器m3的输出端连接，其输出端与子分类层的输入端连接；所述子分类层的输出端作为a相分类器、b相分类器或c相分类器的输出端。
31、上述进一步地方案的有益效果为：本专利技术中通过三个卷积层依次提取不同深度的特征，并采用池化层进行缩减数据量，提取出重要特征后，采用softmax层根据重要特征的比重，对重要特征进行自适应增强，再采用加法器融合三个通道的特征，采用子分类层进行特征的评估。
32、进一步地，所述子分类层的表达式为：
33、，
34、其中，ht为第t时刻子分类层的输出，ht-n为第t-n时刻子分类层的输出，n为正整数，t为时刻的编号，n为统计历史时刻的数量，ht,m为第t时刻子分类层的第m个输入，wt,m为ht,m的权重，m为输入ht,m的数量，m为正整数，e为自然常数，α为比例系数。
35、上述进一步地方案的有益效果为：本专利技术考虑当前本文档来自技高网...
【技术保护点】
1.一种永磁同步电机故障诊断方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的永磁同步电机故障诊断方法，其特征在于，所述S3包括以下分步骤：
3.根据权利要求2所述的永磁同步电机故障诊断方法，其特征在于，所述S32中峰值因子的表达式为：
4.根据权利要求3所述的永磁同步电机故障诊断方法，其特征在于，所述S32中均值的表达式为：
5.根据权利要求4所述的永磁同步电机故障诊断方法，其特征在于，所述S32中上升梯度因子的表达式为：
6.根据权利要求4所述的永磁同步电机故障诊断方法，其特征在于，所述S32中下降梯度因子的表达式为：
7.根据权利要求1所述的永磁同步电机故障诊断方法，其特征在于，所述S4中故障诊断模型包括：A相分类器、B相分类器、C相分类器和故障等级输出器；
8.根据权利要求7所述的永磁同步电机故障诊断方法，其特征在于，所述A相分类器、B相分类器和C相分类器的结构均相同，均包括：第一卷积层、第二卷积层、第三卷积层、第一池化层、第二池化层、第三池化层、第一softmax层、第二soft
9.根据权利要求8所述的永磁同步电机故障诊断方法，其特征在于，所述子分类层的表达式为：
10.根据权利要求9所述的永磁同步电机故障诊断方法，其特征在于，所述故障等级输出器的表达式为：
...【技术特征摘要】
1.一种永磁同步电机故障诊断方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的永磁同步电机故障诊断方法，其特征在于，所述s3包括以下分步骤：
3.根据权利要求2所述的永磁同步电机故障诊断方法，其特征在于，所述s32中峰值因子的表达式为：
4.根据权利要求3所述的永磁同步电机故障诊断方法，其特征在于，所述s32中均值的表达式为：
5.根据权利要求4所述的永磁同步电机故障诊断方法，其特征在于，所述s32中上升梯度因子的表达式为：
6.根据权利要求4所述的永磁同步电机故障诊断方法，其特征在于，所述s32中下降梯度因子的表达式为：
7.根据权利要求1所述的永磁同步电机故障诊...
【专利技术属性】
技术研发人员：蒋礼平，陈鹏，王滨，廖红波，
申请(专利权)人：成都航天凯特机电科技有限公司，
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。