CN105450146B - 基于多维信息监测的伺服驱动系统故障预测以及诊断方法 - Google Patents

Abstract

本发明基于多维信息监测的伺服驱动系统故障预测以及诊断方法，包括以下步骤：S1、建立电机的运行状态中的位移P，速度V和电流I的关联模型；S2、通过关联模型预测电机的运行状态和故障检测。本发明通过永磁同步电机的伺服控制系统由位移控制器、速度控制器和电流控制器三闭环串联控制。因此，结合电机的运行状态如位移P，速度V和电流I具有的关联性，利用多维数据关联，能准确检控电机状态和预测故障；提前预测故障，保证设备安全有序生产，减少维护成本。

Description

基于多维信息监测的伺服驱动系统故障预测以及诊断方法

技术领域

本发明属于伺服电机控制技术领域，具体涉及一种基于多维信息监测的伺服驱动系统故障预测以及诊断方法。

背景技术

伺服电机广泛应用于工业机器人、数控机床等机械自动化设备，这些工业自动化应用场合具有高危险性、高精度、高速等特性,要求必要的安全性保障。需要在故障发生时,甚至在故障发生前发出警报信号,以及时排除隐患,保证机器的操作人员、周围环境以及机器本身的安全。

工业自动化设备一般由多台伺服电机联合完成相应动作，而每台伺服电机必须配一套伺服控制器。现有的伺服控制器都是单向接收运动控制系统发送过来的指令，并控制电机完成相应的动作，没有对电机或传感器等相关部件进行状态监测以及故障预测和诊断等先进功能。

现有的运动控制器与伺服驱动器只有简单的指令通信，伺服驱动器的诊断功能只有简单的过流、超速和过冲等简单报警。这些简单的报警功能都是在故障发生时产生的信号，不能提前保护相关设备。本发明提出一种基于多维信息监测的伺服驱动系统故障预测以及诊断方法，能提前诊断相关部件出现故障，防止事故的发生，更好地保护设备和人身安全。

发明内容

本发明的目的是克服现有技术中的不足之处，提供一种利用多维数据关联，能准确检控电机状态和预测故障的基于多维信息监测的伺服驱动系统故障预测以及诊断方法。

本发明的目的是通过以下技术方案来实现的：

基于多维信息监测的伺服驱动系统故障预测以及诊断方法，包括以下步骤：

S1、建立电机的运行状态中的位移P，速度V和电流I的关联模型；

S2、通过关联模型预测电机的运行状态和故障检测。

具体的，所述步骤S1具体为：

所述电机位移P、速度V和电流I的二维关联矩阵T满足：

T＝[P_i(k),V_i(k),I_i(k)] (1)

其中，i＝1,2,3…n表示电机的台数；同时，设备都是重复地运行相同的轨迹，用k＝1,2,3…m来显示运行的批次。

所述步骤S2具体过程为：

S201、数据采集，在电机运行过程，根据上述(1)中的二维关联矩阵采集若干组的位移P、速度V和电流I数据并存储在指定内存空间，然后利用协方差矩阵来描述上述三个电机物理量的关联性；

S202、计算二维关联矩阵最大变化方向矢量，将上述二维关联矩阵式(1)，经过协方差矩阵变换成对称矩阵，求出对称矩阵的特征值，并对特征值按从大到小进行排序；

S203、变量状态判断，计算实时采集到的P、速度V和电流I三者的相关特征矩阵矢量,并投影到上述S202计算出的特征值矢量方向，求出投影矢量的范数，与对称矩阵的特征值进行比较，如小于一定阈值，则认为电机状态正常；反之，则电机将要出现故障。

通过本发明提出的一种基于多维信息监测的伺服驱动系统故障预测以及诊断方法，相比现有技术具有以下优点及有益效果：

1、本发明通过永磁同步电机的伺服控制系统由位移控制器、速度控制器和电流控制器三闭环串联控制。因此，结合电机的运行状态如位移P，速度V和电流I具有的关联性，利用多维数据关联，能准确检控电机状态和预测故障；提前预测故障，保证设备安全有序生产，减少维护成本。

2、能评价电机性能好坏，为采购人工购买优质电机提供技术支持和信息服务。

附图说明

图1为本基于多维信息监测的伺服驱动系统故障预测以及诊断系统的结构示意图。

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

实施例

结合图1，伺服驱动器一般采用如图1所示的三闭环伺服控制系统架构。其中，模块P为位置控制器，模块ASR为速度控制器，模块ACR为电流控制器，模块PMSM为永磁同步电机。

本发明提供的一种基于多维信息监测的伺服驱动系统故障预测以及诊断方法，包括以下步骤：

S1、建立电机的运行状态中的位移P，速度V和电流I的关联模型；

S2、通过关联模型预测电机的运行状态和故障检测。

具体的，所述步骤S1具体为：

所述电机位移P、速度V和电流I的二维关联矩阵T满足：

T＝[P_i(k),V_i(k),I_i(k)] (1)

其中，i＝1,2,3…n表示电机的台数；同时，设备都是重复地运行相同的轨迹，用k＝1,2,3…m来显示运行的批次。

所述步骤S2具体过程为：

S201、数据采集，在电机运行过程，根据上述(1)中的二维关联矩阵采集若干组的位移P、速度V和电流I数据并存储在指定内存空间，然后利用协方差矩阵来描述上述三个电机物理量的关联性；

S202、计算二维关联矩阵最大变化方向矢量，将上述二维关联矩阵式(1)，经过协方差矩阵变换成对称矩阵，求出对称矩阵的特征值，并对特征值按从大到小进行排序；

S203、变量状态判断，计算实时采集到的P、速度V和电流I三者的相关特征矩阵矢量,并投影到上述S202计算出的特征值矢量方向，求出投影矢量的范数，与对称矩阵的特征值进行比较，如小于一定阈值，则认为电机状态正常；反之，则电机将要出现故障。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (1)

1.基于多维信息监测的伺服驱动系统故障预测以及诊断方法，包括以下步骤：

S1、建立电机的运行状态中的位移P，速度V和电流I的关联模型；

S2、通过关联模型预测电机的运行状态和故障检测；

所述步骤S1具体为：

所述电机位移P、速度V和电流I的二维关联矩阵T满足：

T＝[P_i(k),V_i(k),I_i(k)] (1)

其中，i取值为1,2,3…n，表示电机的台数；k取值为1,2,3…m，表示重复地运行相同的轨迹的批次；

所述步骤S2具体过程为：

S201、数据采集，在电机运行过程，根据上述式(1)中的二维关联矩阵采集若干组的位移P、速度V和电流I数据并存储在指定内存空间，然后利用协方差矩阵来描述上述三个电机物理量的关联性；

S202、计算二维关联矩阵最大变化方向矢量，将上述二维关联矩阵式(1)，经过协方差矩阵变换成对称矩阵，求出对称矩阵的特征值，并对特征值按从大到小进行排序；

S203、变量状态判断，计算实时采集到的P、速度V和电流I三者的相关特征矩阵矢量,并投影到上述S202计算出的特征值矢量方向，求出投影矢量的范数，与对称矩阵的特征值进行比较，如小于一定阈值，则认为电机状态正常；反之，则电机将要出现故障。