【技术实现步骤摘要】
本专利技术涉及一种非侵入式伺服电机驱动器故障预测方法，属于电力设备预测。
技术介绍
1、随着电力电子设备向高功率密度、高频化方向发展，伺服电机驱动器的健康状态监测面临严峻挑战。传统故障预测方法主要依赖对输出电压等一维时序信号的分析，存在以下技术瓶颈：
2、(1)一维信号特征辨识不足：现有监测系统多采用示波器波形显示或快速傅里叶变换，虽能反映电压幅值、频率等基础参数，却难以有效捕捉动态过程中的多维耦合特征。例如，电压尖峰、谐波畸变等瞬态异常在时域波形中易被噪声掩盖，而频谱分析虽能分离频域成分，但丢失了时域动态关联。此外，长期运行趋势分析需人工对比历史波形，缺乏自动化特征提取手段，导致故障预警延迟。
3、(2)二维图像处理方法存在局限：为改善可视化效果，部分研究尝试将时序信号转换为二维图像。递归图和小波变换是常用技术，但其存在显著缺陷：递归图因颜色渐变单一导致特征对比度不足，小波变换则因基函数固定导致边缘信息丢失。马尔可夫转移场虽能保留部分时序相关性，但转换过程引入伪影噪声。
4、 (3)现有的预测模型存...
【技术保护点】
1.一种非侵入式伺服电机驱动器故障预测方法，其特征是，包括：
2.根据权利要求1所述的非侵入式伺服电机驱动器故障预测方法，其特征是，获取伺服电机驱动器输出的电压信号，包括：
3.根据权利要求2所述的非侵入式伺服电机驱动器故障预测方法，其特征是，采用格拉姆角场函数对电压信号进行极坐标映射，得到电压信号的二维图像，包括：
4.根据权利要求1所述的非侵入式伺服电机驱动器故障预测方法，其特征是，根据二维经验模态分解BEMD对电压信号的二维图像进行双向经验模态分解，得到电压信号的多个固有模态函数分量和残差项，包括：
5.根据权利要...
【技术特征摘要】
1.一种非侵入式伺服电机驱动器故障预测方法，其特征是，包括：
2.根据权利要求1所述的非侵入式伺服电机驱动器故障预测方法，其特征是，获取伺服电机驱动器输出的电压信号，包括：
3.根据权利要求2所述的非侵入式伺服电机驱动器故障预测方法，其特征是，采用格拉姆角场函数对电压信号进行极坐标映射，得到电压信号的二维图像，包括：
4.根据权利要求1所述的非侵入式伺服电机驱动器故障预测方法，其特征是，根据二维经验模态分解bemd对电压信号的二维图像进行双向经验模态分解，得到电压信号的多个固有模态函数分量和残差项，包括：
5.根据权利要求1所述的非侵入式伺服电机驱动器故障预测方法，其特征是，所述伺服电机驱动器故障预测模型通过cnn特征提取模块与convlstm时空融合模块构建而成；
...
【专利技术属性】
技术研发人员：孙权，董伽豪，乔贵方，郭艺，谢富鹏，王翔，
申请(专利权)人：南京工程学院，
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。