System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及电机故障诊断领域,具体而言,涉及一种电机故障诊断方法、装置、电子设备和存储介质。
技术介绍
1、随着全球能源危机和环境污染问题的日益严重,新能源汽车作为一种有效的解决方案,其市场需求和技术发展迅速增长。新能源汽车,特别是电动汽车,在传统内燃机汽车向电动化、智能化转型的过程中扮演着重要角色。然而,随着这种转型的加速,对于电动汽车核心部件之一,电机的可靠性和维护需求也随之增加。电机作为电动汽车的心脏,其性能直接影响到整车的运行效率、安全性和寿命。
2、在现有技术中,电机故障诊断主要依赖于传统的监控方法和故障检测技术。这些方法大多基于预设的故障模式和经验规则,往往无法准确反映电机的实际运行状态,尤其是在面对复杂的故障情况或罕见的故障类型时。此外,随着电机技术的不断进步和电动汽车系统的日益复杂,传统的故障诊断方法在处理大量高维度和非线性数据时显得力不从心。这些方法往往需要大量的人工干预,不仅增加了维护成本,也降低了诊断的效率和准确性。
3、申请号为cn202210665659.3的中国专利技术专利提出一种基于混合cnn-lstm的三相异步电机故障诊断方法和系统,所述诊断方法包括:采集电机状态信息和故障类型数据组,将故障类型数据组的数值与采集时间对应处理;将故障类型数据组分为训练样本与测试样本,设置训练样本的标签;遍历训练样本中的数据序列,挖掘深层特征并输出结果;根据输出的结果构建cnn-lstm深度学习模型对训练样本中的时间序列数据进行训练,确认cnn-lstm深度学习模型的模型参数。所述诊断系统包括采
4、申请号为cn202311331451.9的中国专利技术专利提出一种电机故障自诊断方法、装置及储存介质,本方法依托电机故障自诊断装置对电机的模型参数进行采集,包括:定子电阻观测值r-s、转子电阻观测值r-r、电机互感观测值l-m、电机漏感观测值l-(σ);通过计算定子电阻理论值r-s~(-’)、转子电阻理论值r-(r)~(-’)、第一电机磁链理论值ψ-1、额定电机磁链观测值ψ-2、第二电机磁链理论值ψ-3,根据电机模型参数观测值判断是否在正常误差范围内,超出误差范围内则说明电机异常,报电机故障。本方法能够实现电机在带负荷运行时,或不拆卸情况下,通过对其状态参数的检测和分析判定是否存在故障无需其他硬件设备、节省成本、精度高,能够实现电机故障的在线自诊断。
5、申请号为cn202310925718.0的中国专利技术专利提出一种电机驱动电路的上电诊断控制方法、装置及车辆,所述方法包括:响应于电子制动系统初始化后,进入轮询多任务状态;将所述电机驱动电路的上电诊断的多个阶段,分别在不同的轮询周期中执行。本专利技术响应于电子制动系统初始化后,进入轮询多任务状态,并将所述电机驱动电路的上电诊断的多个阶段,分别在不同的轮询周期中执行,能避免电机驱动电路的上电诊断期间电子制动系统的其他轮询任务被阻塞,从而能提高电子制动系统的稳定性。
6、但是,现有技术存在以下缺陷:
7、1、现有技术中,故障诊断模型的训练可能受限于可获得的数据样本数量和多样性,在罕见或复杂的故障情况下尤为突出。
8、2、现有技术可能在从高维度、非线性和复杂数据中提取关键特征方面存在不足,这限制了故障诊断模型的性能。
9、3、由于训练数据和特征提取方法的限制,尤其是在面对未见过的故障类型时,现有的故障诊断模型可能在泛化能力和鲁棒性方面表现不佳。
10、4、现有技术中使用的分类算法可能在准确性、计算效率或两者方面存在缺陷,影响了故障诊断的整体性能。
技术实现思路
1、本申请实施例的目的在于提供一种电机故障诊断方法、装置、电子设备和存储介质,用以解决新能源汽车电机故障诊断中的数据采集成本高和样本稀缺问题。
2、第一方面,本专利技术提供一种电机故障诊断方法,其中,所述方法包括:
3、获取目标样本,其中,所述目标样本为待进行故障识别的样本;
4、基于特征提取模型提取所述目标样本的特征;
5、基于所述目标样本的特征输入到分类器模型,以基于所述分类器模型输出所述目标样本的故障类别,其中,所述分类器模型基于数据扩充模型生成的训练样本训练得到,所述数据扩充模型基于量子编码机制构建。
6、本申请第一方面的方法通过获取目标样本,其中,所述目标样本为待进行故障识别的样本,进而能够基于特征提取模型提取所述目标样本的特征,进而能够基于所述目标样本的特征输入到分类器模型,以基于所述分类器模型输出所述目标样本的故障类别,其中,所述数据扩充模型基于量子编码机制构建。与现有技术相比,结合量子编码机制,增强生成器在数据空间中的搜索能力,利用量子态的叠加和纠缠特性,提高数据生成的多样性和真实性,解决新能源汽车电机故障诊断中的数据采集成本高和样本稀缺问题,生成更加丰富和真实的故障数据样本,从而提高了故障诊断的准确性和效率,并使模型能够适应更广泛的运行条件和故障类型和减少了对真实故障数据的依赖,降低了数据采集成本。
7、在可选的实施方式中,所述数据扩充模型的输入为真实的新能源汽车电机故障数据和随机噪声数据,所述数据扩充模型包括生成器和判别器,所述生成器基于所述量子编码机制构建;
8、以及,所述数据扩充模型的训练过程包括:
9、初始化所述生成器的参数和初始化所述判别器的参数;
10、基于所述随机噪声数据使所述生成器生成所述训练样本;
11、基于所述训练样本和所述真实的新能源汽车电机故障数据训练所述判别器,以使所述判别器学习区分所述真实的新能源汽车电机故障数据和所述训练样本并输出反馈;
12、基于所述判别器的反馈更新所述生成器的参数并循环迭代训练过程,直至所述生成器与所述判别器达到动态平衡。
13、本可选的实施方式能够初始化所述生成器的参数和初始化所述判别器的参数,进而能够基于所述随机噪声数据使所述生成器生成所述训练样本,进而能够基于所述训练样本和所述真实的新能源汽车电机故障数据训练所述判别器,以使所述判别器学习区分所述真实的新能源汽车电机故障数据和所述训练样本并输出反馈,进而能够基于所述判别器的反馈更新所述生成器的参数并循环迭代训练过程,直至所述生成器与所述判别器达到动态平衡。
14、在可选的实施方式中,所述方法还包括:
15、基于切比雪夫多项式优化所述数据扩充模型的训练过程。
16、本可选的实施方式可基于切比雪夫多项式优化所述数据扩充模型的训练过程。
17、在可选的实施方式中,所述方法还包括:
18、将所述训练样本作为所述特征提取模型的输入,并初始化神经网络的结构参数,以使所述神经网络基于马尔科夫链蒙特卡洛算法提取所述训练样本文档来自技高网...
【技术保护点】
1.一种电机故障诊断方法,其特征在于,所述方法包括:
2.如权利要求1所述的方法,其特征在于,所述数据扩充模型的输入为真实的新能源汽车电机故障数据和随机噪声数据,所述数据扩充模型包括生成器和判别器,所述生成器基于所述量子编码机制构建;
3.如权利要求2所述的方法,其特征在于,所述方法还包括:
4.如权利要求2所述的方法,其特征在于,所述方法还包括:
5.如权利要求4所述的方法,其特征在于,所述方法还包括:
6.如权利要求4所述的方法,其特征在于,所述方法还包括:
7.如权利要求6所述的方法,其特征在于,所述方法还包括:
8.一种电机故障诊断装置,其特征在于,所述装置包括:
9.一种电子设备,其特征在于,包括:
10.一种存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行如权利要求1-7任一项所述的电机故障诊断方法。
【技术特征摘要】
1.一种电机故障诊断方法,其特征在于,所述方法包括:
2.如权利要求1所述的方法,其特征在于,所述数据扩充模型的输入为真实的新能源汽车电机故障数据和随机噪声数据,所述数据扩充模型包括生成器和判别器,所述生成器基于所述量子编码机制构建;
3.如权利要求2所述的方法,其特征在于,所述方法还包括:
4.如权利要求2所述的方法,其特征在于,所述方法还包括:
5.如权利要求4所述的方法,其...
【专利技术属性】
技术研发人员:段心林,
申请(专利权)人:广汽埃安新能源汽车股份有限公司,
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。