CN113011055B - 一种基于有限元技术的电机高温故障模拟方法及系统 - Google Patents
一种基于有限元技术的电机高温故障模拟方法及系统 Download PDFInfo
- Publication number
- CN113011055B CN113011055B CN202110151453.4A CN202110151453A CN113011055B CN 113011055 B CN113011055 B CN 113011055B CN 202110151453 A CN202110151453 A CN 202110151453A CN 113011055 B CN113011055 B CN 113011055B
- Authority
- CN
- China
- Prior art keywords
- fault
- model
- obtaining
- parameter
- motor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Control Of Electric Motors In General (AREA)
Abstract
本发明公开了一种基于有限元技术的电机高温故障模拟方法及系统,所述方法包括:构建所述第一电机的第一原始仿真模型;获得所述第一原始仿真模型中第一发热源信息确定第一驱动参数;根据所述第一驱动参数,利用有限元分析技术进行筛选获得第一变量集;根据第一样本工况,利用有限元技术进行计算获得第一原始数据;根据所述第一变量集和所述第一原始数据,生成第一降阶模型;根据第一求解命令,获得第一求解器;通过调用所述第一原始仿真模型,加载第一故障工况;根据所述第一求解器对所述第一故障工况进行模型计算,获得第一故障输出参数完成高温故障模拟,解决了现有技术中存在电机温升的计算精度不足,且计算速度慢的技术问题。
Description
技术领域
本发明涉及电机故障相关领域,尤其涉及一种基于有限元技术的电机高温故障模拟方法及系统。
背景技术
船用三相异步电动机为全封闭,自扇冷却的船用电动机,具有效率高、起动转矩大及节能等优点,用于船舶上作驱动各种机械,如泵类、通风机等。其中,温升是评价电机的一个重要指标,温升过高会影响绕组绝缘体、永磁体磁性及机械部件等,降低轮毂电机的性能,进而影响动力性、舒适性、可靠性等。因此,随着人们对高效驱动系统的要求越来越高,研究电机温升的问题具有重要意义。
但本申请发明人在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
现有技术中存在电机温升的计算精度不足,且计算速度慢的技术问题。
发明内容
本申请实施例通过提供一种基于有限元技术的电机高温故障模拟方法及系统,解决了现有技术中存在电机温升的计算精度不足,且计算速度慢的技术问题,达到了缩短计算时间、增加电机温度场分析全面性的技术效果。
鉴于上述问题,提出了本申请实施例提供一种基于有限元技术的电机高温故障模拟方法及系统。
第一方面,本申请实施例提供了一种基于有限元技术的电机高温故障模拟方法,所述方法包括:获得第一电机的第一建模属性信息;根据所述第一建模属性信息,构建第一原始仿真模型,其中,所述第一原始仿真模型是所述第一电机的有限元模型;获得所述第一原始仿真模型中第一发热源信息,其中,所述第一发热源为所述第一电机中发热量大的区域;根据所述第一发热源,获得第一驱动参数,其中,所述第一驱动参数为影响电机发热的主要性能参数;根据所述第一驱动参数,利用有限元分析技术筛选影响所述第一驱动参数输出的第一变量集;根据第一样本工况,利用有限元技术对所述第一原始仿真模型进行计算,获得第一原始数据;根据所述第一变量集和所述第一原始数据,生成第一降阶模型;根据第一求解命令,获得第一求解器;通过调用所述第一原始仿真模型,加载第一故障工况;根据所述第一求解器对所述第一故障工况进行模型计算,获得第一故障输出参数;根据所述第一故障输出参数完成所述第一电机的高温故障模拟。
另一方面,本申请还提供了一种基于有限元技术的电机高温故障模拟系统,所述系统包括:第一获得单元,所述第一获得单元用于获得第一电机的第一建模属性信息;第一构建单元,所述第一构建单元用于根据所述第一建模属性信息,构建第一原始仿真模型,其中,所述第一原始仿真模型是所述第一电机的有限元模型;第二获得单元,所述第二获得单元用于获得所述第一原始仿真模型中第一发热源信息,其中,所述第一发热源为所述第一电机中发热量大的区域;第三获得单元,所述第三获得单元用于根据所述第一发热源,获得第一驱动参数,其中,所述第一驱动参数为影响电机发热的主要性能参数;第一筛选单元,所述第一筛选单元用于根据所述第一驱动参数,利用有限元分析技术筛选影响所述第一驱动参数输出的第一变量集;第四获得单元,所述第四获得单元用于根据第一样本工况,利用有限元技术对所述第一原始仿真模型进行计算,获得第一原始数据;第一生成单元,所述第一生成单元用于根据所述第一变量集和所述第一原始数据,生成第一降阶模型;第五获得单元,所述第五获得单元用于根据第一求解命令,获得第一求解器;第六获得单元,所述第六获得单元用于通过调用所述第一原始仿真模型,加载第一故障工况;第七获得单元,所述第七获得单元用于根据所述第一求解器对所述第一故障工况进行模型计算,获得第一故障输出参数;第一模拟单元,所述第一模拟单元用于根据所述第一故障输出参数完成所述第一电机的高温故障模拟。
第三方面,本发明提供了一种基于有限元技术的电机高温故障模拟系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现第一方面所述方法的步骤。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了通过有限元技术构建所述第一电机的第一原始仿真模型,进而对所述第一电机的发热源进行分析,确定影响电机发热的主要性能参数,再根据有限元技术进行因子筛选和计算,从而基于有限元分析结果建立所述第一降阶模型,再根据系统控制命令对所述第一电机的第一故障工况进行加载,并结合所述第一原始仿真模型和所述第一降阶模型进行求解计算的方式,进而能够利用所述第一降阶模型实现快速计算,达到了缩短计算时间、增加电机温度场分析全面性的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种基于有限元技术的电机高温故障模拟方法的流程示意图;
图2为本申请实施例一种基于有限元技术的电机高温故障模拟系统的结构示意图;
图3为本申请实施例示例性电子设备的结构示意图。
附图标记说明:第一获得单元11,第一构建单元12,第二获得单元13,第三获得单元14,第一筛选单元15,第四获得单元16,第一生成单元17,第五获得单元18,第六获得单元19,第七获得单元20,第一模拟单元21,总线300,接收器301,处理器302,发送器303,存储器304,总线接口306。
具体实施方式
本申请实施例通过提供一种基于有限元技术的电机高温故障模拟方法及系统,解决了现有技术中存在电机温升的计算精度不足,且计算速度慢的技术问题,达到了缩短计算时间、增加电机温度场分析全面性的技术效果。下面,将参考附图详细的描述根据本申请的示例实施例。显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
申请概述
船用三相异步电动机为全封闭,自扇冷却的船用电动机,具有效率高、起动转矩大及节能等优点,用于船舶上作驱动各种机械,如泵类、通风机等。其中,温升是评价电机的一个重要指标,温升过高会影响绕组绝缘体、永磁体磁性及机械部件等,降低轮毂电机的性能,进而影响动力性、舒适性、可靠性等。因此,随着人们对高效驱动系统的要求越来越高,研究电机温升的问题具有重要意义。但现有技术中存在电机温升的计算精度不足,且计算速度慢的技术问题。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请实施例提供了一种基于有限元技术的电机高温故障模拟方法,所述方法包括:获得第一电机的第一建模属性信息;根据所述第一建模属性信息,构建第一原始仿真模型,其中,所述第一原始仿真模型是所述第一电机的有限元模型;获得所述第一原始仿真模型中第一发热源信息,其中,所述第一发热源为所述第一电机中发热量大的区域;根据所述第一发热源,获得第一驱动参数,其中,所述第一驱动参数为影响电机发热的主要性能参数;根据所述第一驱动参数,利用有限元分析技术筛选影响所述第一驱动参数输出的第一变量集;根据第一样本工况,利用有限元技术对所述第一原始仿真模型进行计算,获得第一原始数据;根据所述第一变量集和所述第一原始数据,生成第一降阶模型;根据第一求解命令,获得第一求解器;通过调用所述第一原始仿真模型,加载第一故障工况;根据所述第一求解器对所述第一故障工况进行模型计算,获得第一故障输出参数;根据所述第一故障输出参数完成所述第一电机的高温故障模拟。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示,本申请实施例提供了一种基于有限元技术的电机高温故障模拟方法,所述方法包括:
步骤S100:获得第一电机的第一建模属性信息;
步骤S200:根据所述第一建模属性信息,构建第一原始仿真模型,其中,所述第一原始仿真模型是所述第一电机的有限元模型;
具体而言,所述第一建模属性信息为创建所述第一电机的有限元仿真模型之前的定义参数,包括定义单元类型、定义单元实常数、定义材料属性、网格划分等建模的参数,其中,定义单元实常数指如电机板壳的厚度、电机横截面的几何尺寸等参数,通过定义单元实常数,使得建立好的模型保持与分析的对象一致;定义材料属性是因为不同的材料具有不同的传热学、力学等行为特性,通过获得所述第一建模属性信息,能够保证所述第一电机的建立的所述第一原始仿真模型保持相对完整,包括壳体、定子、机罩等连接结构都具有与所述第一电机相近的质量和传热特性,从而使得建立的所述第一原始仿真模型能够准确、有效的模拟电机的真实状态。
步骤S300:获得所述第一原始仿真模型中第一发热源信息,其中,所述第一发热源为所述第一电机中发热量大的区域;
具体而言,通过分析电机发热的主要来源,确定发热的部件信息。进一步而言,由于电机随着温度的不断升高从而会影响电机的使用特性,因此通过确定电机的发热部件进行真实的模拟状态,电机的温度升高是由于电机运行产生的各种损耗转化撑了热量,因此,确定所述第一电机的发热源能量密度,即所述第一发热源信息,就能够对所述第一电机的各部件损耗进行计算,从而达到准确分析热量,实现有效计算的技术效果。
步骤S400:根据所述第一发热源,获得第一驱动参数,其中,所述第一驱动参数为影响电机发热的主要性能参数;
具体而言,所述第一驱动参数是通过对发热源的部对进行分析,其中,对于该部件的发热源功率,气隙传热参数,表面对流换热,轴承发热功率等进行研究,通过确定发热源的参数,进而能够确定影响电机热量的参数,为之后实现模拟的过程提供数据基础。
步骤S500:根据所述第一驱动参数,利用有限元分析技术筛选影响所述第一驱动参数输出的第一变量集;
具体而言,所述第一变量集是利用有限元技术手段分析出来的结果,详细而言,通过有限元分析工具首先设置样本点变量的范围,随后根据样本点的分布状态自动补全样本点的分布,并从中筛选出主要影响因子,然后形成最佳变量组合。从而能够在相当多影响模拟状态的自变量中,确定哪些自变量显著影响输出。通过筛选的方式获得其中影响显著的变量,把不影响和微小影响的因素剔除,达到了可以减小分析过程中的误差,同时也能够提高计算速度的技术效果。
步骤S600:根据第一样本工况,利用有限元技术对所述第一原始仿真模型进行计算,获得第一原始数据;
具体而言,通过有限元对所述第一原始仿真模型进行计算的过程是对所有的变量进行的完整计算,从而为后续的快速计算提供原始数据,所述第一样本工况是所述第一电机出现高温故障的工况,如轴承磨损的状况下电机出现的温度升高的过程,或者电机过载情况下出现的温升过程。
步骤S700:根据所述第一变量集和所述第一原始数据,生成第一降阶模型;
具体而言,所述第一降阶模型是在有限元分析结果上进行的,其中通过对有限元仿真文件进行解析,随后基于机器学习对所述第一变量集的数据进行学习,从而生成降阶模型的基础数据,其中,机器学习算法能根据所述第一变量的数据进行自动分析并获得规律,并利用规律对数据进行预测的算法,从而增加系统模拟输出的参数具备逻辑性和准确性,通过所述第一降阶模型实现快速计算,减少系统响应时间,进而提高系统模拟的效率。。
步骤S800:根据第一求解命令,获得第一求解器;
具体而言,所述第一求解命令实现模型计算的指令,其中,所述第一求解命令的生成过程通过生成控制程序再结合计算控制参数即可生成求解计算所述的控制命令,其中,所述控制程序的生成是将定义控制模块进行的,包括参数调用模块,参数驱动模块,命令生成模块,使用这些模块,结合控制参数即可生成一个完整的模型控制程序,进而获得求解需要的求解器。
步骤S900:通过调用所述第一原始仿真模型,加载第一故障工况;
具体而言,所述第一原始仿真模型是进行计算的基础,当生成求解气候需要与所述第一原始仿真模型进行结合,进而完成故障工况的加载,其中,在所述第一故障工况加载的过程中是通过程序模块化调用的方式,将所述第一原始仿真模型、控制参数、故障工况进行组合,从而完成加载的过程,详细而言,进行调用的过程中是通过生成调用程序进行的,因此通过程序模块化调用从而完成加载,此过程是将典型高温工况如电磁热、轴承发热、电机过载等工况加载到模型中,使得模型能够复现各种故障工况。
步骤S1000:根据所述第一求解器对所述第一故障工况进行模型计算,获得第一故障输出参数;
步骤S1100:根据所述第一故障输出参数完成所述第一电机的高温故障模拟。
具体而言,从而根据所述第一求解器进行模型计算,其中,模型的计算过程是所述第一降阶模型的计算过程,进而获得所述第一降阶模型输出的响应数据,其中,故障输出参数可以通过定义实现参数的输出方式,从而能够根据基于参数显示完成所述第一电机的高温故障模拟。
进一步而言,其中,所述根据所述第一变量集和所述第一原始数据,生成第一降阶模型,本申请实施例S700还包括:
步骤S710:将所述第一变量集和所述第一原始数据输入神经网络模型,所述神经网络模型通过多组训练数据训练获得,所述多组训练数据中的每一组训练数据均包括:所述第一变量集、所述第一原始数据以及标识第一基础数据的标识信息;
步骤S720:获得所述神经网络模型的第一输出信息,所述第一输出信息为第一基础数据,其中,所述第一基础数据为降阶模型的基础数据;
步骤S730:根据所述第一基础数据,生成所述第一降阶模型;
步骤S740:根据所述第一样本工况对所述第一降阶模型进行精度判断;
步骤S750:若所述第一降阶模型通过精度判断,获得第一通过结果。
具体而言,将所述第一变量集和所述第一原始数据输入神经网络模型,其中,所述神经模型是通过数据训练获得的。人工神经网络是在现代神经科学的基础上提出和发展起来的,旨在反映人脑结构及功能的一种抽象数学模型,神经网络是一种运算模型,由大量的节点(或称神经元)之间相互连接构成。每个节点代表一种特定的输出函数称为激励函数,每两个节点之间的连接都代表一个对于通过该连接信号的加权值,称之为权重,这相当于人工神经网络的记忆,网络的输出对应网络的连接方式,是对一种逻辑策略的表达。
进一步而言,所述神经网络模型是以神经元的数学模型为基础来描述的,通过大量训练数据的训练获得的模型。更进一步而言,所述训练的过程实质为监督学习的过程,每一组监督数据均包括所述第一变量集、所述第一原始数据以及标识第一基础数据的标识信息,所述神经网络模型进行不断的自我修正、调整,直至获得的输出结果与所述标识信息一致,结束本组数据监督学习,进行下一组数据监督学习。当所述神经网络模型的输出信息达到预定的准确率/达到收敛状态时,则监督学习过程结束。通过对所述神经网络模型的监督学习,使得所述神经网络模型处理所述输出信息更加准确,从而获得准确的基础数据建立降阶模型,进而达到了提高所述第一降阶模型准确度的技术效果。
进一步而言,其中,所述根据第一样本工况对所述第一降阶模型进行精度判断,本申请实施例步骤S740还包括:
步骤S741:根据所述第一样本工况,获得第一输出数据和第二输出数据,其中,所述第一输出数据为将所述第一样本工况输入所述第一降阶模型中,获得的输出数据,所述第二输出数据为对所述第一样本工况进行系统计算获得的输出数据;
步骤S742:获得所述第一输出数据与所述第二输出数据的第一差值数据;
步骤S743:判断所述第一差值数据是否处于预设差值阈值中;
步骤S744:若所述第一差值数据不处于预设差值阈值中,生成第二降阶模型。
具体而言,由于所述第一降阶模型是进行模型计算的基础,因此,对于所述第一降阶模型的精度需要进一步进行判断,在判断的过程中,将所述第一样本工况输出到所述第一降阶模型中,从而的到输出的响应数据,进而设立所述预设差值阈值,其中,所述预设差值阈值可以进行预先设定,保证该差值具有较小的影响度,不影响故障工况加载的准确度,保持较高的精度特性,经检验若差值不处于所述预设差值阈值中,表示所述第一降阶模型不满足要求,从而重新进行有限元分析,检查输入数据的准确性,获得优化后的所述第二降阶模型,达到了提高故障模拟准确度的技术效果。
进一步而言,其中,所述根据第一求解命令,获得第一求解器,本申请实施例步骤S800还包括:
步骤S810:根据第一求解命令,生成第一求解器调用程序;
步骤S820:将所述第一求解器调用程序输入程序自检模型中,获得第一输出结果;
步骤S830:若所述第一输出结果为第一自检结果,获得第一模型调用指令;
步骤S840:若所述第一输出结果为第二自检结果,生成第二求解器调用程序;
步骤S850:根据所述第二求解器调用程序,获得第二求解器。
具体而言,所述第一求解器调用程序的生成是根据所述第一求解命令的下达生成求解控制程序获得的,之后将所述第一求解程序输出程序自检模型中进行程序试算自检,所述第一自检结果为自检通过的结果,所述第二自检结果为自检不通过的结果,当程序自检通过后进入所述第一原始仿真模型的调用,其中,当所述第一原始仿真模型调用的过程也会产生模型调用程序再进行程序试算自检,当程序自检不通过后,重新生成求解器调用程序直至自检通过。根据程序自检模型有效防止由于程序的错误影响高温故障模拟过程。
进一步而言,其中,所述根据所述第一求解器对所述第一故障工况进行模型计算,获得第一故障输出参数,本申请实施例步骤S1000还包括:
步骤S1010a:获得所述第一故障输出参数的第一故障遍历路线;
步骤S1020a:获得预定故障遍历路线;
步骤S1030a:判断所述第一故障遍历路线是否符合所述预定故障遍历路线;
步骤S1040a:若所述第一故障遍历路线不符合所述预定故障遍历路线,生成第一跳转指令;
步骤S1050a:根据所述第一跳转指令重新根据所述第一求解命令进行求解计算;
步骤S1060a:若所述第一故障遍历路线符合所述预定故障遍历路线获得第一结束指令。
具体而言,所述第一故障遍历路线为进行求解过程对故障参数的遍历流程从而形成遍历的路线,所述预定故障遍历路线为保证所有的故障参数都被遍历的预设路线,进而通过检查所有的故障参数是否被遍历,如果遍历未完成则跳转到控制命令流生成模块继续进行求解计算,如果遍历完成则程序结束,其中通过对故障遍历的检查保证了所述第一故障工况的所有故障参数都能够进行模拟,从而保证模拟过程的准确度。
进一步而言,其中,所述根据所述第一求解器对所述第一故障工况进行模型计算,获得第一故障输出参数之前,本申请实施例S1000还包括:
步骤S1010b:根据第一设置指令,完成第一硬件设置;
步骤S1020b:根据所述第一故障工况的第一校核参数,获得第二设置指令;
步骤S1030b:根据所述第二设置指令对所述第一故障输出参数进行定义,获得第一参数设置;
步骤S1040b:根据所述第一参数设置,获得所述第一故障输出参数的第一输出参数类型和第一输出频率;
步骤S1050b:根据所述第一硬件设置和所述第一参数设置,获得所述第一故障输出参数。
具体而言,所述第一设置指令为配置求解参数完成硬件设置,其中,所述第一硬件设置的过程是根据硬件配置,可实现两种硬件设置,包括手动设置调用的CPU核数及内存数,自动调用本地CPU和内存90%的资源,用户可根据需求自行选择设置方式;所述第一参数设置为输出参数的设置,该过程的实现是由于各种故障工况需要校核的输出参数不同,为减少数据存储量,需设置相应的输出参数,此参数用于定义输出参数类型及输出频率。
进一步而言,其中,所述根据所述第一驱动参数,利用有限元分析技术筛选影响所述第一驱动参数输出的第一变量集,本申请实施例S500还包括:
步骤S510:根据所述第一驱动参数,获得第一可变范围;
步骤S520:判断所述第一可变范围中的参数是否具有交互作用;
步骤S530:若所述第一驱动参数中的参数具有交互作用,获得第一交互影响程度;
步骤S540:判断所述第一交互影响程度是否超出预设影响阈值;
步骤S550:若所述第一交互影响程度超出预设影响阈值,进行显著回归分析,获得第一显著结果;
步骤S560:根据所述第一显著结果,获得所述第一变量集。
具体而言,利用有限元技术进行分析的过程中,首先根据所述第一驱动参数,即所述第一电机的升温主要部件中的参数划分出周围的可变范围,但其中,影响这些参数中还会包括大量的因素,因此,通过分析这些因素对我们所述第一驱动参数的影响趋势,快速找到一个区域,从而缩小包围圈减少计算量,其中,判断其影响趋势时主要是通过判断参数之间的交互作用等影响,进而通过显著回归分析确定显著的水平,而使得最终输出的所述第一变量集是显著影响的,达到了层次化筛选的技术效果。
进一步而言,所述根据所述第一建模属性信息,构建第一原始仿真模型,本申请实施例步骤S200还包括:
步骤S210:获得所述第一电机的第一单元类型集;
步骤S220:获得所述第一电机的第一单元实常数集;
步骤S230:获得所述第一电机的第一材料属性集;
步骤S240:将所述第一单元类型集、第一单元实常数集和第一材料属性集分别存储到第一区块、第二区块和第三区块中;
步骤S250:对所述第一区块、第二区块和第三区块进行分类标记,存储于第一数据调用库,其中,所述第一数据调用库为所述第一电机进行有限元仿真建立的所有数据。
具体而言,在构建所属第一原始仿真模型将所述第一建模属性信息中的信息分区块存储,从而进行建模的过程中可以随时调用数据,当系统结束本次模拟的过程后会将本次模拟的所述第一电机的三个区块的参数分别存储,其中,当进行下一次模拟之前直接调用所述第一数据调用库即可,保持所述第一电机的建模一致性,同时减少建模所需的时间。
综上所述,本申请实施例所提供的一种基于有限元技术的电机高温故障模拟方法及系统具有如下技术效果:
1、由于采用了通过有限元技术构建所述第一电机的第一原始仿真模型,进而对所述第一电机的发热源进行分析,确定影响电机发热的主要性能参数,再根据有限元技术进行因子筛选和计算,从而基于有限元分析结果建立所述第一降阶模型,再根据系统控制命令对所述第一电机的第一故障工况进行加载,并结合所述第一原始仿真模型和所述第一降阶模型进行求解计算的方式,进而能够利用所述第一降阶模型实现快速计算,达到了缩短计算时间、增加电机温度场分析全面性的技术效果。
2、由于采用了将所述第一变量集和所述第一原始数据输入神经网络模型,获得第一基础数据,基于神经网络模型的监督学习的方式,进而使得所述神经网络模型处理所述输入信息更加准确,从而获得更加准确的输出信息,使得生成的所述第一降阶模型更加准确,提高所述第一降阶模型的精确度,进而实现快速计算技术效果。
3、由于采用了基于有限元技术的分析和计算,使得在海量的数据中,确定影响高温输出的参数,其中,基于有限元分析有效识别多了输入因素对输出的影响,达到了有效评估参数之间的相互影响,提高所述第一电机高温模拟的准确性。
实施例二
基于与前述实施例中一种基于有限元技术的电机高温故障模拟方法同样发明构思,本发明还提供了一种基于有限元技术的电机高温故障模拟系统,如图2所示,所述系统包括:
第一获得单元11,所述第一获得单元11用于获得第一电机的第一建模属性信息;
第一构建单元12,所述第一构建单元12用于根据所述第一建模属性信息,构建第一原始仿真模型,其中,所述第一原始仿真模型是所述第一电机的有限元模型;
第二获得单元13,所述第二获得单元13用于获得所述第一原始仿真模型中第一发热源信息,其中,所述第一发热源为所述第一电机中发热量大的区域;
第三获得单元14,所述第三获得单元14用于根据所述第一发热源,获得第一驱动参数,其中,所述第一驱动参数为影响电机发热的主要性能参数;
第一筛选单元15,所述第一筛选单元15用于根据所述第一驱动参数,利用有限元分析技术筛选影响所述第一驱动参数输出的第一变量集;
第四获得单元16,所述第四获得单元16用于根据第一样本工况,利用有限元技术对所述第一原始仿真模型进行计算,获得第一原始数据;
第一生成单元17,所述第一生成单元17用于根据所述第一变量集和所述第一原始数据,生成第一降阶模型;
第五获得单元18,所述第五获得单元18用于根据第一求解命令,获得第一求解器;
第六获得单元19,所述第六获得单元19用于通过调用所述第一原始仿真模型,加载第一故障工况;
第七获得单元20,所述第七获得单元20用于根据所述第一求解器对所述第一故障工况进行模型计算,获得第一故障输出参数;
第一模拟单元21,所述第一模拟单元21用于根据所述第一故障输出参数完成所述第一电机的高温故障模拟。
进一步的,所述系统还包括:
第一输入单元,所述第一输出单元用于将所述第一变量集和所述第一原始数据输入神经网络模型,所述神经网络模型通过多组训练数据训练获得,所述多组训练数据中的每一组训练数据均包括:所述第一变量集、所述第一原始数据以及标识第一基础数据的标识信息;
第九获得单元,所述第九获得单元用于获得所述神经网络模型的第一输出信息,所述第一输出信息为第一基础数据,其中,所述第一基础数据为降阶模型的基础数据;
第二生成单元,所述第二生成单元用于根据所述第一基础数据,生成所述第一降阶模型;
第一判断单元,所述第一判断单元用于根据所述第一样本工况对所述第一降阶模型进行精度判断;
第十获得单元,所述第十获得单元用于若所述第一降阶模型通过精度判断,获得第一通过结果。
进一步的,所述系统还包括:
第十一获得单元,所述第十一获得单元用于根据所述第一样本工况,获得第一输出数据和第二输出数据,其中,所述第一输出数据为将所述第一样本工况输入所述第一降阶模型中,获得的输出数据,所述第二输出数据为对所述第一样本工况进行系统计算获得的输出数据;
第十二获得单元,所述第十二获得单元用于获得所述第一输出数据与所述第二输出数据的第一差值数据;
第二判断单元,所述第二判断单元用于判断所述第一差值数据是否处于预设差值阈值中;
第三生成单元,所述第三生成单元用于若所述第一差值数据不处于预设差值阈值中,生成第二降阶模型。
进一步的,所述系统还包括:
第四生成单元,所述第四生成单元用于根据第一求解命令,生成第一求解器调用程序;
第十三获得单元,所述第十三获得单元用于将所述第一求解器调用程序输入程序自检模型中,获得第一输出结果;
第十四获得单元,所述第十四获得单元用于若所述第一输出结果为第一自检结果,获得第一模型调用指令;
第五生成单元,所述第五生成单元用于若所述第一输出结果为第二自检结果,生成第二求解器调用程序;
第十五获得单元,所述第十五获得单元用于根据所述第二求解器调用程序,获得第二求解器。
进一步的,所述系统还包括:
第十六获得单元,所述第十六获得单元用于获得所述第一故障输出参数的第一故障遍历路线;
第十七获得单元,所述第十七获得单元用于获得预定故障遍历路线;
第三判断单元,所述第三判断单元用于判断所述第一故障遍历路线是否符合所述预定故障遍历路线;
第六生成单元,所述第六生成单元用于若所述第一故障遍历路线不符合所述预定故障遍历路线,生成第一跳转指令;
第一求解单元,所述第一求解单元用于根据所述第一跳转指令重新根据所述第一求解命令进行求解计算;
第十八获得单元,所述第十八获得单元用于若所述第一故障遍历路线符合所述预定故障遍历路线获得第一结束指令。
进一步的,所述系统还包括:
第十九获得单元,所述第十九获得单元用于根据第一设置指令,完成第一硬件设置;
第二十获得单元,所述第二十获得单元用于根据所述第一故障工况的第一校核参数,获得第二设置指令;
第二十一获得单元,所述第二十一获得单元用于根据所述第二设置指令对所述第一故障输出参数进行定义,获得第一参数设置;
第二十二获得单元,所述第二十二获得单元用于根据所述第一参数设置,获得所述第一故障输出参数的第一输出参数类型和第一输出频率;
第二十三获得单元,所述第二十三获得单元用于根据所述第一硬件设置和所述第一参数设置,获得所述第一故障输出参数。
进一步的,所述系统还包括:
第二十四获得单元,所述第二十四获得单元用于根据所述第一驱动参数,获得第一可变范围;
第四判断单元,所述第四判断单元用于判断所述第一可变范围中的参数是否具有交互作用;
第二十五获得单元,所述第二十五获得单元用于若所述第一驱动参数中的参数具有交互作用,获得第一交互影响程度;
第五判断单元,所述第五判断单元用于判断所述第一交互影响程度是否超出预设影响阈值;
第二十六获得单元,所述第二十六获得单元用于若所述第一交互影响程度超出预设影响阈值,进行显著回归分析,获得第一显著结果;
第二十七获得单元,所述第二十七获得单元用于根据所述第一显著结果,获得所述第一变量集。
前述图1实施例一中的一种基于有限元技术的电机高温故障模拟方法的各种变化方式和具体实例同样适用于本实施例的一种基于有限元技术的电机高温故障模拟系统,通过前述对一种基于有限元技术的电机高温故障模拟方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种基于有限元技术的电机高温故障模拟系统的实施方法,所以为了说明书的简洁,在此不再详述。
示例性电子设备
下面参考图3来描述本申请实施例的电子设备。
图3图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实施例中一种基于有限元技术的电机高温故障模拟方法的发明构思,本发明还提供一种基于有限元技术的电机高温故障模拟系统,其上存储有计算机程序,该程序被处理器执行时实现前文所述一种基于有限元技术的电机高温故障模拟方法的任一方法的步骤。
其中,在图3中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口306在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他系统通信的单元。
处理器302负责管理总线300和通常的处理,而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本发明实施例提供的一种基于有限元技术的电机高温故障模拟方法,所述方法包括:获得第一电机的第一建模属性信息;根据所述第一建模属性信息,构建第一原始仿真模型,其中,所述第一原始仿真模型是所述第一电机的有限元模型;获得所述第一原始仿真模型中第一发热源信息,其中,所述第一发热源为所述第一电机中发热量大的区域;根据所述第一发热源,获得第一驱动参数,其中,所述第一驱动参数为影响电机发热的主要性能参数;根据所述第一驱动参数,利用有限元分析技术筛选影响所述第一驱动参数输出的第一变量集;根据第一样本工况,利用有限元技术对所述第一原始仿真模型进行计算,获得第一原始数据;根据所述第一变量集和所述第一原始数据,生成第一降阶模型;根据第一求解命令,获得第一求解器;通过调用所述第一原始仿真模型,加载第一故障工况;根据所述第一求解器对所述第一故障工况进行模型计算,获得第一故障输出参数;根据所述第一故障输出参数完成所述第一电机的高温故障模拟。解决了现有技术中存在电机温升的计算精度不足,且计算速度慢的技术问题,达到了缩短计算时间、增加电机温度场分析全面性的技术效果。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的系统k
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品,该指令系统实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种基于有限元技术的电机高温故障模拟方法,所述方法包括:
获得第一电机的第一建模属性信息;
根据所述第一建模属性信息,构建第一原始仿真模型,其中,所述第一原始仿真模型是所述第一电机的有限元模型;
获得所述第一原始仿真模型中第一发热源信息,其中,所述第一发热源为所述第一电机中发热量大的区域;
根据所述第一发热源,获得第一驱动参数,其中,所述第一驱动参数为影响电机发热的主要性能参数;
根据所述第一驱动参数,利用有限元分析技术筛选影响所述第一驱动参数输出的第一变量集;
根据第一样本工况,利用有限元技术对所述第一原始仿真模型进行计算,获得第一原始数据;
根据所述第一变量集和所述第一原始数据,生成第一降阶模型;
根据第一求解命令,获得第一求解器;
通过调用所述第一原始仿真模型,加载第一故障工况;
根据所述第一求解器对所述第一故障工况进行模型计算,获得第一故障输出参数;
根据所述第一故障输出参数完成所述第一电机的高温故障模拟。
2.如权利要求1所述的方法,其中,所述根据所述第一变量集和所述第一原始数据,生成第一降阶模型,所述方法还包括:
将所述第一变量集和所述第一原始数据输入神经网络模型,所述神经网络模型通过多组训练数据训练获得,所述多组训练数据中的每一组训练数据均包括:所述第一变量集、所述第一原始数据以及标识第一基础数据的标识信息;
获得所述神经网络模型的第一输出信息,所述第一输出信息为第一基础数据,其中,所述第一基础数据为降阶模型的基础数据;
根据所述第一基础数据,生成所述第一降阶模型;
根据所述第一样本工况对所述第一降阶模型进行精度判断;
若所述第一降阶模型通过精度判断,获得第一通过结果。
3.如权利要求2所述的方法,其中,所述根据第一样本工况对所述第一降阶模型进行精度判断,所述方法还包括:
根据所述第一样本工况,获得第一输出数据和第二输出数据,其中,所述第一输出数据为将所述第一样本工况输入所述第一降阶模型中,获得的输出数据,所述第二输出数据为对所述第一样本工况进行系统计算获得的输出数据;
获得所述第一输出数据与所述第二输出数据的第一差值数据;
判断所述第一差值数据是否处于预设差值阈值中;
若所述第一差值数据不处于预设差值阈值中,生成第二降阶模型。
4.如权利要求1所述的方法,其中,所述根据第一求解命令,获得第一求解器,所述方法还包括:
根据第一求解命令,生成第一求解器调用程序;
将所述第一求解器调用程序输入程序自检模型中,获得第一输出结果;
若所述第一输出结果为第一自检结果,获得第一模型调用指令;
若所述第一输出结果为第二自检结果,生成第二求解器调用程序;根据所述第二求解器调用程序,获得第二求解器。
5.如权利要求1所述的方法,其中,所述根据所述第一求解器对所述第一故障工况进行模型计算,获得第一故障输出参数,所述方法还包括:
获得所述第一故障输出参数的第一故障遍历路线;
获得预定故障遍历路线;
判断所述第一故障遍历路线是否符合所述预定故障遍历路线;
若所述第一故障遍历路线不符合所述预定故障遍历路线,生成第一跳转指令;
根据所述第一跳转指令重新根据所述第一求解命令进行求解计算;
若所述第一故障遍历路线符合所述预定故障遍历路线获得第一结束指令。
6.如权利要求1所述的方法,其中,所述根据所述第一求解器对所述第一故障工况进行模型计算,获得第一故障输出参数之前,所述方法还包括:
根据第一设置指令,完成第一硬件设置;
根据所述第一故障工况的第一校核参数,获得第二设置指令;
根据所述第二设置指令对所述第一故障输出参数进行定义,获得第一参数设置;
根据所述第一参数设置,获得所述第一故障输出参数的第一输出参数类型和第一输出频率;
根据所述第一硬件设置和所述第一参数设置,获得所述第一故障输出参数。
7.如权利要求1所述的方法,其中,所述根据所述第一驱动参数,利用有限元分析技术筛选影响所述第一驱动参数输出的第一变量集,所述方法还包括:
根据所述第一驱动参数,获得第一可变范围;
判断所述第一可变范围中的参数是否具有交互作用;
若所述第一驱动参数中的参数具有交互作用,获得第一交互影响程度;
判断所述第一交互影响程度是否超出预设影响阈值;
若所述第一交互影响程度超出预设影响阈值,进行显著回归分析,获得第一显著结果;
根据所述第一显著结果,获得所述第一变量集。
8.一种基于有限元技术的电机高温故障模拟系统,其中,所述系统包括:
第一获得单元,所述第一获得单元用于获得第一电机的第一建模属性信息;
第一构建单元,所述第一构建单元用于根据所述第一建模属性信息,构建第一原始仿真模型,其中,所述第一原始仿真模型是所述第一电机的有限元模型;
第二获得单元,所述第二获得单元用于获得所述第一原始仿真模型中第一发热源信息,其中,所述第一发热源为所述第一电机中发热量大的区域;
第三获得单元,所述第三获得单元用于根据所述第一发热源,获得第一驱动参数,其中,所述第一驱动参数为影响电机发热的主要性能参数;
第一筛选单元,所述第一筛选单元用于根据所述第一驱动参数,利用有限元分析技术筛选影响所述第一驱动参数输出的第一变量集;
第四获得单元,所述第四获得单元用于根据第一样本工况,利用有限元技术对所述第一原始仿真模型进行计算,获得第一原始数据;
第一生成单元,所述第一生成单元用于根据所述第一变量集和所述第一原始数据,生成第一降阶模型;
第五获得单元,所述第五获得单元用于根据第一求解命令,获得第一求解器;
第六获得单元,所述第六获得单元用于通过调用所述第一原始仿真模型,加载第一故障工况;
第七获得单元,所述第七获得单元用于根据所述第一求解器对所述第一故障工况进行模型计算,获得第一故障输出参数;
第一模拟单元,所述第一模拟单元用于根据所述第一故障输出参数完成所述第一电机的高温故障模拟。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110151453.4A CN113011055B (zh) | 2021-02-03 | 2021-02-03 | 一种基于有限元技术的电机高温故障模拟方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110151453.4A CN113011055B (zh) | 2021-02-03 | 2021-02-03 | 一种基于有限元技术的电机高温故障模拟方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113011055A CN113011055A (zh) | 2021-06-22 |
CN113011055B true CN113011055B (zh) | 2023-01-03 |
Family
ID=76385056
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110151453.4A Active CN113011055B (zh) | 2021-02-03 | 2021-02-03 | 一种基于有限元技术的电机高温故障模拟方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113011055B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114406409B (zh) * | 2022-03-30 | 2022-07-12 | 中国船级社 | 一种焊接机故障状态的确定方法、装置及设备 |
CN114839957A (zh) * | 2022-05-11 | 2022-08-02 | 中国第一汽车股份有限公司 | 一种整车控制器模拟系统及方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101901283A (zh) * | 2010-06-22 | 2010-12-01 | 北京理工大学 | 一种导管数控弯曲成形质量的预测方法及装置 |
CN105807194A (zh) * | 2016-05-09 | 2016-07-27 | 三峡大学 | 一种基于lvq神经网络的雷电冲击下换流变压器绕组故障诊断方法 |
CN111105063A (zh) * | 2018-10-26 | 2020-05-05 | 北京国双科技有限公司 | 故障预测、模型构建方法、装置、处理器及可读存储介质 |
CN109779894B (zh) * | 2018-12-29 | 2020-01-10 | 西安交通大学 | 一种基于神经网络算法的往复式压缩机故障诊断系统及方法 |
CN110457750B (zh) * | 2019-07-09 | 2023-10-24 | 国家电网有限公司 | 基于神经网络响应面的有载分接开关弹簧储能不足故障识别方法 |
CN110780146B (zh) * | 2019-12-10 | 2021-04-27 | 武汉大学 | 基于多阶段迁移学习的变压器故障辨识与定位诊断方法 |
-
2021
- 2021-02-03 CN CN202110151453.4A patent/CN113011055B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113011055A (zh) | 2021-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113011055B (zh) | 一种基于有限元技术的电机高温故障模拟方法及系统 | |
CN111126668B (zh) | 基于图卷积网络的Spark作业时间预测方法和装置 | |
CN112418455B (zh) | 一种设备故障预测与健康管理系统 | |
CN110210654A (zh) | 产品模型设计系统及方法 | |
CN114389265B (zh) | 基于增殖和缩减进化的电网紧急切负荷优化方法及系统 | |
CN115167562A (zh) | 一种机房温度控制方法和装置 | |
CN117242665A (zh) | 使用测量数据的电力系统模型校准 | |
CN109002645A (zh) | 动车组子系统建模方法及装置 | |
CN113987840B (zh) | 基于Modelica的模型拆分方法、设备和存储介质 | |
CN116882104A (zh) | 机床薄弱环节的识别方法、装置、电子设备及存储介质 | |
CN114663074B (zh) | 一种基于数字孪生的产品数据分析方法及系统 | |
CN116339145A (zh) | 机台参数调控方法、设备及存储介质 | |
Rocha et al. | Fast and flexible design of optimal metering systems for power systems monitoring | |
CN113033036B (zh) | 一种基于参数驱动的泵组机械故障自动模拟方法及装置 | |
CN105005210A (zh) | 机电一体化仿真系统及使用其的方法 | |
Skruch | A coverage metric to evaluate tests for continuous-time dynamic systems | |
CN111682532A (zh) | 一种励磁系统无补偿相频特性在线建模方法及存储介质 | |
CN111291464A (zh) | 一种电力系统动态等值方法及装置 | |
CN116595883B (zh) | 数值反应堆实时在线系统状态修正方法 | |
Kai et al. | A review of power system dynamic equivalents for transient stability studies | |
Hu et al. | The use of function-driven shape definition method and GRA–EMM-based Taguchi method to multi-criterion blade preform optimization | |
CN116700168B (zh) | 生产线的虚实同步方法及系统 | |
CN113352149B (zh) | 一种刀具工况参数监控方法和装置 | |
EP4428735A1 (en) | Method and system for operating a distributed simulation and processing framework | |
CN109033601B (zh) | 一种预解析边界条件的cae设计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |