CN113049250A - 基于mpu6050和决策树的电机故障诊断方法及系统 - Google Patents

Abstract

本申请提供了一种基于MPU6050和决策树的电机故障诊断方法及系统，该方法包括：利用MPU6050获取故障模拟模型中电机的振动信号；将获取的振动信号，进行预处理，将预处理后的数据作为数据样本，输入训练好的决策树中；利用决策树对输入的数据样本进行识别，输出电机故障诊断结果。利用训练好的决策树对故障信号进行自动识别，避免人为经验的主观判断，提高了故障识别的准确度。

Description

基于MPU6050和决策树的电机故障诊断方法及系统

技术领域

本发明涉及电机故障诊断技术领域，具体涉及一种基于MPU6050和决策树的电机故障诊断方法及系统。

背景技术

电机广泛应用在现代工业生产中，但是目前，电机故障检测的主要方式仍是依靠维修人员经验的检测方法，检测过程中掺杂主观因素，主要依据电机轴承振动以及声音等信号进行判断，不能准确快速识别判断故障类型，为电机维修造成困扰。

发明内容

有鉴于此，本申请实施例致力于提供一种基于MPU6050和决策树的电机故障诊断方法及系统，基于电机故障模拟平台搭建、数据采集、滤波处理、决策树诊断的故障诊断方式，实现快速准确故障类型诊断。

本发明提供一种基于MPU6050和决策树的电机故障诊断方法，包括：

利用MPU6050获取故障模拟模型中电机的振动信号；

将获取的振动信号，进行预处理，将预处理后的数据作为数据样本，输入训练好的决策树中；

利用决策树对输入的数据样本进行识别，输出电机故障诊断结果。

优选的，所述预处理为对采集的振动信号进行算术均值滤波，滤除噪声信号。

在上述任意一项实施例中优选的，在获取振动信号之前，还包括对MPU6050进行校准。

在上述任意一项实施例中优选的，所述决策树在采用如下方法进行训练：步骤1、将处理后的数据样本，形成数据集；步骤2、对数据样本进行快速傅里叶变换，形成一维数组；步骤3、在一维数组中求解最优切分变量和相应切分点(j，s)；步骤4、用最优的(j，s)将数据集划分为两个子域并决定相应的输出值；步骤5、对划分后的子域重复进行步骤3-4，直到叶子节点数目满足预设要求；步骤6、依据上述步骤中的多对(j，s)值，生成决策树，采用后剪枝的方法对得到的决策树进行剪枝，得到最终所需的决策树。

在上述任意一项实施例中优选的，所述故障模拟模型中模拟的故障包括模拟转子不对称故障、不对中故障，轴承松动故障、轴承裂纹故障；通过改变电机转速模拟，模拟不同类型故障以及故障的严重程度。

在上述任意一项实施例中优选的，所述最优切分变量和相应切分点，采用如下公式进行计算：

其中，y_i表示输出的真实值，c₁，c₂分别表示两个不同子区间内输出y_i的平均值，也是该区间内的最优值。

本发明还提供一种基于MPU6050和决策树的电机故障诊断系统，用于实施上述诊断方法，包括MPU6050传感器、电机和偏心块形成的故障模拟模型、单片机和上位机；

所述MPU6050传感器用于获取故障模拟模型中电机的振动信号；

所述电机和偏心块形成的故障模拟模型，利用电机与偏心块配合模拟各种类型下的电机故障；

所述单片机用于将获取的振动信号，进行预处理，将预处理后的数据作为数据样本，发送至上位机，所述上位机用于将数据样本输入训练好的决策树中；利用决策树对输入的数据样本进行识别，输出电机故障诊断结果。

优选的，所述电机外部设有外壳，所述外壳固定电机，所述外壳一侧固定安装偏心块。

在上述任意一项实施例中优选的，所述单片机安装在上平板上，上平板固定安装在支架的上方；所述外壳固定在支架上，所述支架下方固定设有下平板；下平板上固定安装MPU6050传感器。

在上述任意一项实施例中优选的，所述单片机上使用算术平均滤波算法进行预处理后，经过有线串口传输到上位机中。

本申请实施例提供的一种基于MPU6050和决策树的电机故障诊断方法及系统，相比于现有技术至少具有以下优点：

1、本申请提供的电机故障诊断系统，利用MPU6050传感器获取电机的三维振动信号，免除了组合陀螺仪与加速器时间轴之差的问题，减少了大量的封装空间，并且准确追踪电机振动时快速与慢速动作，数据准确度高；利用训练好的决策树对故障信号进行自动识别，避免人为经验的主观判断，提高了故障识别的准确度；

2、利用单片机对MPU6050传感器获取的振动信号进行处理，滤除了噪音数据，提高了数据样本的精度，提高数据分析准确性。

附图说明

图1所示为本申请一实施例提供的一种基于MPU6050和决策树的电机故障诊断方法的流程图。

图2所示为本申请一实施例提供的决策树构建流程图。

图3所示为本申请一实施例提供的一种基于MPU6050和决策树的电机故障诊断系统的结构示意图。

图中：1、上平板；2、电机；3、外壳；4、偏心块；5、支架：6、下平板。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

此外，在示例性实施例中，因为相同的参考标记表示具有相同结构的相同部件或相同方法的相同步骤，如果示例性地描述了一实施例，则在其他示例性实施例中仅描述与已描述实施例不同的结构或方法。

在整个说明书及权利要求书中，当一个部件描述为“连接”到另一部件，该一个部件可以“直接连接”到另一部件，或者通过第三部件“电连接”到另一部件。此外，除非明确地进行相反的描述，术语“包括”及其相应术语应仅理解为包括所述部件，而不应该理解为排除任何其他部件。

如图1所示，本发明提供一种基于MPU6050和决策树的电机故障诊断方法，包括：

利用MPU6050获取故障模拟模型中电机的振动信号；在获取振动信号之前，还包括对MPU6050进行校准。

将获取的振动信号，进行预处理，将预处理后的数据作为数据样本，输入训练好的决策树中；优选的，所述预处理为对采集的振动信号进行算术均值滤波，滤除噪声信号。算术均值滤波是将n个采样值求和后除以样本数n，求和之前对每个样本值赋给一个权重系数α_i，其计算公式为：

对于本发明，样本值权重系数α_i＝1。数据格式采用定点数格式，采用定点数可加快计算速度，通过设置合适的样本数n，以消除其因累加产生的累加效应。

利用决策树对输入的数据样本进行识别，输出电机故障诊断结果。

如图2所示，所述决策树在采用如下方法进行训练：

考虑到准确性和复杂程度，结合要求精度，由于快速傅里叶变换后得到的数据为连续型，因此本发明采用CART回归树算法，相比于决策树ID3和C4.5算法，该算法更准确。该算法决策树构建过程即依据最小均方误差原则递归构建二叉树，直到满足所设定的条件为止。

应用CART算法构建决策树的步骤如下:

步骤1：对数据进行预处理，形成决策树的训练集D。

步骤2：决策树的生成

(1)快速傅里叶变换后得到一位数组，选择该数组中的第j个元素作切分变量和相应的值s作切分点，使得切分后的均方差最小。即求解：

其中，y_i表示输出的真实值，c₁，c₂分别表示两个不同子区间内输出y_i的平均值，也是该区间内的最优值。

(2)用这组最优的(j，s)将训练数据划分为两个子域并决定相应的输出值。

R₁(j,s)＝{xx^j≤s},R₂(j,s)＝{xx^j＞s}

其

中，为节点m中样本的平均值。

(3)对划分后的子域重复进行(1)(2)步骤，直到满足要求。

(4)依据上述步骤中的多对(j，s)值，生成决策树。即所有的输入数据最终都会落入到m个区域R1，R2...Rm中。

(5)由于此方法存在过拟合问题，故采用后剪枝的方法对得到的决策树进行剪枝，得到最终所需的决策树。

所述故障模拟模型中模拟的故障包括模拟转子不对称故障、不对中故障，轴承松动故障、轴承裂纹故障；通过改变电机转速模拟，模拟不同类型故障以及故障的严重程度。

如图3所示，本发明还提供一种基于MPU6050和决策树的电机2故障诊断系统，用于实施上述诊断方法，包括MPU6050传感器、电机2和偏心块4形成的故障模拟模型、单片机和上位机；

所述MPU6050传感器用于获取故障模拟模型中电机2的振动信号；

所述电机2和偏心块4形成的故障模拟模型，利用电机2与偏心块4配合模拟各种类型下的电机2故障；

所述单片机用于将获取的振动信号，进行预处理，将预处理后的数据作为数据样本，发送至上位机，所述上位机用于将数据样本输入训练好的决策树中；利用决策树对输入的数据样本进行识别，输出电机2故障诊断结果。

优选的，所述电机外部设有外壳，所述外壳固定电机，所述外壳一侧固定安装偏心块。所述单片机安装在上平板1上，上平板固定安装在支架的上方；所述外壳固定在支架上，所述支架下方固定设有下平板6；下平板上固定安装MPU6050传感器。所述单片机上使用算术平均滤波算法进行预处理后，经过有线串口传输到上位机中。

在搭建的电机故障模拟平台进行故障模拟，通过添加偏心块和调节电机转速等方式模拟不同的故障类型MPU6050传感器采集收集信号数据，在STM32单片机中经过算术平均滤波算法处理后使用通过串口传输到上位机中；考虑到通过MPU6050传感器收集的数据夹杂着大量噪音，对数据的准确性造成影响，本项目利用算术平均滤波方式达到消除噪音的目的，提高数据分析准确性。处理过的振动加速度数据在上位机中进行故障诊断模型训练或者电机故障识别。在经过大量实验改进，得到准确率较高的决策树算法。故障模拟模型的二维图如图2所示，该平台具有底座、电机、偏心块等结构，可以模拟转子不对称、不对中故障，轴承松动、裂纹，软硬件摩擦等故障并且通过改变电机转速，模拟不同类型故障以及故障的严重程度。

除了上述方法和设备以外，本申请的实施例还可以是计算机程序产品，其包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种实施例的方法中的步骤。

此外，本申请的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种实施例的方法中的步骤。

所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

以上结合具体实施例描述了本申请的基本原理，但是，需要指出的是，在本申请中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本申请为必须采用上述具体的细节来实现。

本申请中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。

还需要指出的是，在本申请的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本申请的等效方案。

提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本申请。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本申请的范围。因此，本申请不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。

为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。

Claims (10)

1.一种基于MPU6050和决策树的电机故障诊断方法，其特征在于，包括：

利用MPU6050获取故障模拟模型中电机的振动信号；

将获取的振动信号，进行预处理，将预处理后的数据作为数据样本，输入训练好的决策树中；

利用决策树对输入的数据样本进行识别，输出电机故障诊断结果。

2.根据权利要求1所述的基于MPU6050和决策树的电机故障诊断方法，其特征在于，所述预处理为对采集的振动信号进行算术均值滤波，滤除噪声信号。

3.根据权利要求1所述的基于MPU6050和决策树的电机故障诊断方法，其特征在于，在获取振动信号之前，还包括对MPU6050进行校准。

4.根据权利要求1所述的基于MPU6050和决策树的电机故障诊断方法，其特征在于，所述决策树在采用如下方法进行训练：

步骤1、将处理后的数据样本，形成数据集；

步骤2、对数据样本进行快速傅里叶变换，形成一维数组；

步骤3、在一维数组中求解最优切分变量和相应切分点(j，s)；

步骤4、用最优的(j，s)将数据集划分为两个子域并决定相应的输出值；

步骤5、对划分后的子域重复进行步骤3-4，直到叶子节点数目满足预设要求；

步骤6、依据步骤5中形成的多对(j，s)值，生成决策树，采用后剪枝的方法对得到的决策树进行剪枝，得到最终所需的决策树。

5.根据权利要求1所述的基于MPU6050和决策树的电机故障诊断方法，其特征在于，所述故障模拟模型中模拟的故障包括模拟转子不对称故障、不对中故障，轴承松动故障、轴承裂纹故障；通过改变电机转速模拟，模拟不同类型故障以及故障的严重程度。

6.根据权利要求4所述的基于MPU6050和决策树的电机故障诊断方法，其特征在于，所述最优切分变量j和相应切分点s，采用如下公式进行计算：

其中，y_i表示输出的真实值，c₁，c₂分别表示两个不同子区间内输出y_i的平均值。

7.一种基于MPU6050和决策树的电机故障诊断系统，用于实施上述权利要求1-6中任一项所述的诊断方法，其特征在于，包括MPU6050传感器、电机和偏心块形成的故障模拟模型、单片机和上位机；

所述MPU6050传感器用于获取故障模拟模型中电机的振动信号；

所述电机和偏心块形成的故障模拟模型，利用电机与偏心块配合模拟各种类型下的电机故障；

所述单片机用于将获取的振动信号，进行预处理，将预处理后的数据作为数据样本，发送至上位机，所述上位机用于将数据样本输入训练好的决策树中；利用决策树对输入的数据样本进行识别，输出电机故障诊断结果。

8.根据权利要求7所述的基于MPU6050和决策树的电机故障诊断系统，其特征在于，所述电机外部设有外壳，所述外壳固定电机，所述外壳一侧固定安装偏心块。

9.根据权利要求7所述的基于MPU6050和决策树的电机故障诊断系统，其特征在于，所述单片机安装在上平板上，上平板固定安装在支架的上方；所述外壳固定在支架上，所述支架下方固定设有下平板；下平板上固定安装MPU6050传感器。

10.根据权利要求7所述的基于MPU6050和决策树的电机故障诊断系统，其特征在于，所述单片机上使用算术平均滤波算法进行预处理后，经过有线串口传输到上位机中。

Images