申请/专利权人：山东艾克索仑电气有限公司

申请日：2024-04-26

公开（公告）日：2024-06-28

公开（公告）号：CN118090201B

主分类号：G01M13/025

分类号：G01M13/025;G01R31/34;G01D21/02

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2024.06.14#实质审查的生效;2024.05.28#公开

摘要：本发明涉及数据处理技术领域，具体涉及一种矿用永磁同步电动滚筒故障诊断方法，该方法包括：根据转速数据向量构建转速频率变异度、转速能量变异度、转速能量波动倾向；结合温度数据向量的分解信号特征构建热能生产空间分布权重；对温度数据向量以及负载数据向量的分解信号的频域、幅值特征的差异程度进行分析，构建负载与热能契合权重；构建增强温度预测合信号，对滚筒电机温度进行预测，基于预测的温度值结合不同位置的温度分布情况构建热值产生点空间非对称度、热值产生点内偏度，结合SVM完成对滚筒电机故障的判断。从而提前识别永磁电机的潜在故障，并保证故障识别的准确性。

主权项：1.一种矿用永磁同步电动滚筒故障诊断方法，其特征在于，该方法包括以下步骤：将各采样时刻之前预设时间长度的所有采样时刻的滚筒电机平均负载、转速以及任一传感器位置的温度数据，按照时间顺序组成的向量作为各采样时刻的负载数据向量、转速数据向量以及任一传感器位置的温度数据向量；对各采样时刻的负载数据向量以及所有传感器位置的温度数据向量进行模态分解产生的各分信号划分窗口，根据各传感器位置的温度数据向量各分信号在各窗口的形状特征得到各传感器位置的热能波动强度系数；根据各采样时刻的转速数据向量在所有窗口的频域特征分布得到各采样时刻的转速频率变异度、转速能量变异度、转速能量波动倾向；采用各传感器的位置分布对各采样时刻的转速能量变异度、转速频率变异度进行加权，结合热能波动强度系数得到各采样时刻各传感器位置的热能生产空间分布权重；根据负载数据向量以及温度数据向量各分信号的信号分布特征得到温度数据向量各分信号的负载与热能契合权重；根据各采样时刻所有传感器位置的热能生产空间分布权重以及温度数据向量各分信号的负载与热能契合权重得到各采样时刻的增强温度预测合信号；根据各采样时刻所有传感器位置的温度数据向量以及增强温度预测合信号结合神经网络得到滚筒电机各采样时刻的温度预测值；根据滚筒电机各采样时刻的温度预测值以及关于滚筒中心轴线对称位置传感器对应采样时刻数据的差异程度得到各采样时刻的热值产生点空间非对称度；根据各采样时刻的转速能量波动倾向结合滚筒中心轴线的传感器温度的分布特征得到各采样时刻的热值产生点内偏度；根据当前采样时刻的热值产生点空间非对称度以及热值产生点内偏度采用分类模型完成对滚筒电机故障的判断；所述根据各传感器位置的温度数据向量各分信号在各窗口的形状特征得到各传感器位置的热能波动强度系数，包括：对于各采样时刻，将各传感器位置的温度数据向量各分信号在每个窗口中形成的拟合曲线与x轴构成的面积作为温度分信号面积，分别计算所有窗口所述温度分信号面积的标准差、平均值以及和值，将所述标准差与所述均值的比值作为各传感器位置的温度数据向量各分信号的温度分量波动强度；将所述和值作为各传感器位置的温度数据向量各分信号的温度信号强度占比；各传感器位置的热能波动强度系数表达式为： 式中，是第i行第j列传感器位置的热能波动强度系数，N是EMD分解的分信号个数，是第i行第j列传感器位置的温度数据向量的第n个分信号的温度分量波动强度，分别是第i行第j列传感器位置的温度数据向量的第n个、第n+1个分信号的温度信号分量强度占比；所述根据各采样时刻的转速数据向量在所有窗口的频域特征分布得到各采样时刻的转速频率变异度、转速能量变异度、转速能量波动倾向，具体为：对于各采样时刻的转速数据向量，基于每个窗口采用频域分析算法，获取每个窗口的中心频率，计算每个窗口与相邻前一窗口的所述中心频率的差值绝对值，计算所有窗口的所述差值绝对值的均值，计算所有窗口所述中心频率的求平均结果；将所述均值与所述求平均结果的比值作为各采样时刻的转速频率变异度；将每个窗口中转速数据向量形成的拟合曲线与x轴构成的面积作为转动能量，采用与所述转速频率变异度相同的计算方法，根据转动能量，获取各采样时刻的转速能量变异度；计算每个窗口的转动能量与相邻前一窗口的转动能量的差值，计算所有窗口计算所得的差值均值，获取所有窗口的转动能量均值，将所述差值均值与所述转动能量均值的比值作为各采样时刻的转速能量波动倾向；所述采用各传感器的位置分布对各采样时刻的转速能量变异度、转速频率变异度进行加权，结合热能波动强度系数得到各采样时刻各传感器位置的热能生产空间分布权重，具体为：计算所有传感器距离滚筒中心轴线的欧式距离的累计和，将各传感器位置距离滚筒中心轴线的欧式距离与所述累计和的比值作为各传感器位置的归一化空间距离权重；将所述归一化空间距离权重与各采样时刻的转速频率变异度的乘积作为第一乘积；计算1与所述归一化空间距离权重的差值；将所述差值与各采样时刻的转速能量变异度的乘积作为第二乘积；计算所述第一乘积与所述第二乘积的和值；计算所述和值与各传感器位置的热能波动强度系数的乘积作为各采样时刻各传感器位置的热能生产空间分布权重；所述根据负载数据向量以及温度数据向量各分信号的信号分布特征得到温度数据向量各分信号的负载与热能契合权重，具体为：针对各采样时刻，采用与所述温度分信号面积相同的计算方法，根据负载数据向量各分信号，获取每个窗口的负载信号窗口面积；采用频域分析算法分别获取负载数据向量、任一传感器位置的温度数据向量各分信号的中心频率；将负载数据向量各分信号的信号熵作为各分信号的负载分信号熵；所述任一传感器位置的温度数据向量各分信号的负载与热能契合权重表达式为： 式中，是第i行第j列传感器位置的温度数据向量第n个分信号的负载与热能契合权重，是第n个分信号的负载分信号熵，N是EMD分解的分信号个数，M是窗口数量，是第i行第j列传感器位置的温度数据向量第n个分信号第m个窗口的温度分信号面积，是第n个分信号第m个窗口的负载分信号面积，是负载数据向量的第n个分信号的中心频率，是第i行第j列传感器位置的温度数据向量的第n个分信号的中心频率；所述得到各采样时刻的增强温度预测合信号，具体为：对于各采样时刻各传感器位置的温度数据向量的各分信号，将各分信号的负载与热能契合权重的归一化值作为权重，对所有分信号进行EMD分解信号合成得到各采样时刻各传感器位置的增强数据向量；将任一传感器位置的热能生产空间分布权重的归一化值作为任一传感器位置的权重，对各采样时刻所有传感器位置的增强数据向量与温度数据向量进行加权求和，组成各采样时刻的增强温度预测合信号；所述根据各采样时刻所有传感器位置的温度数据向量以及增强温度预测合信号结合神经网络得到滚筒电机各采样时刻的温度预测值，包括：计算各采样时刻所有传感器位置的温度数据向量中同一位置的元素的均值，将温度数据向量所有位置元素的所述均值组成的向量作为各采样时刻的滚筒温度数据向量；将各采样时刻的增强温度预测合信号以及滚筒温度数据向量作为LSTM神经网络模型的输入，输出为各采样时刻的温度预测值；所述得到各采样时刻的热值产生点空间非对称度，包括：将与滚筒中心轴线距离相等的传感器作为同一类；将各采样时刻任一类传感器的温度均值保存为各采样时刻任一类的环状均温；将各采样时刻所有类的环状均温的平均值作为各采样时刻的实际温度；将各采样时刻预设时刻之前的采样时刻保存为各采样时刻的对称延时时间；各采样时刻的热值产生点空间非对称度，表达式为： 式中，是第t个采样时刻的热值产生点空间非对称度，I、J分别是温度传感器阵列的行数和列数，是滚筒在第t个采样时刻对称延时时间，、分别是第i行第j列传感器位置第t个采样时刻、第I-i行第j列传感器位置时刻的热能波动强度系数，、分别是第i行第j列传感器位置第t个采样时刻、第I-i行第j列传感器位置第个采样时刻的温度数据向量第n个分信号的温度分量波动强度，是第t-1个采样时刻的温度预测值，是第t个采样时刻的实际温度；所述根据各采样时刻的转速能量波动倾向结合滚筒中心轴线的传感器温度的分布特征得到各采样时刻的热值产生点内偏度，具体表达式为： 式中，是第t个采样时刻的热值产生点内偏度，是第t个采样时刻的转速能量波动倾向，D是环状温度总数，是第t-1个采样时刻的预测温度，、分别是第d、d+1类温度传感器的环状均温；所述根据当前采样时刻的热值产生点空间非对称度以及热值产生点内偏度采用分类模型完成对滚筒电机故障的判断，包括：将当前采样时刻的热值产生点空间非对称度以及热值产生点内偏度作为分类模型的输入，输出为当前时刻的滚筒故障检测结果，所述滚筒故障检测结果包括：低故障风险、高故障风险。

全文数据：

权利要求：

百度查询： 山东艾克索仑电气有限公司 一种矿用永磁同步电动滚筒故障诊断方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD