CN113379210A - 电机的故障检测方法和装置、掘进机、可读存储介质 - Google Patents
电机的故障检测方法和装置、掘进机、可读存储介质 Download PDFInfo
- Publication number
- CN113379210A CN113379210A CN202110602126.6A CN202110602126A CN113379210A CN 113379210 A CN113379210 A CN 113379210A CN 202110602126 A CN202110602126 A CN 202110602126A CN 113379210 A CN113379210 A CN 113379210A
- Authority
- CN
- China
- Prior art keywords
- fault
- data
- similarity
- motor
- database
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 172
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 238000000034 method Methods 0.000 claims description 51
- 238000004364 calculation method Methods 0.000 claims description 50
- 238000005520 cutting process Methods 0.000 claims description 20
- 230000002159 abnormal effect Effects 0.000 abstract description 17
- 230000000875 corresponding effect Effects 0.000 description 98
- 230000000694 effects Effects 0.000 description 26
- 239000013598 vector Substances 0.000 description 25
- 230000008569 process Effects 0.000 description 17
- 238000012423 maintenance Methods 0.000 description 12
- 238000009825 accumulation Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 8
- 238000013178 mathematical model Methods 0.000 description 6
- 230000002596 correlated effect Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013145 classification model Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH DRILLING; MINING
- E21D—SHAFTS; TUNNELS; GALLERIES; LARGE UNDERGROUND CHAMBERS
- E21D9/00—Tunnels or galleries, with or without linings; Methods or apparatus for making thereof; Layout of tunnels or galleries
- E21D9/10—Making by using boring or cutting machines
- E21D9/1086—Drives or transmissions specially adapted therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
Abstract
本发明属于电机技术领域,提供了一种电机的故障检测方法和装置、掘进机、可读存储介质。电机的故障检测方法包括:采集工作数据;计算工作数据与样本数据库的第一相似度;在第一相似度小于第一阈值的情况下,将工作数据确定为故障数据;确认与故障数据对应的故障信息,并生成故障数据库;采集当前工作数据,并计算当前工作数据和样本数据的第一相似度;在第一相似度小于第一阈值的情况下,根据当前工作数据和故障数据库确定对应的目标故障信息。使系统可以在判断出电机出现异常的第一时间自主收集并存储电机在故障状态下所对应的电参数信息,从而免去了工作人员自主收集故障信息的繁复步骤。
Description
技术领域
本发明涉及电机技术领域,具体而言,涉及一种电机的故障检测方法和装置、掘进机、可读存储介质。
背景技术
相关技术中,在诊断电机的故障信息时,需要依据不同的故障类型采集大量的故障数据以作为基础,才可以建立起可靠的故障分类模型以及故障分析模型。但是,很多设备在工作过程中,由于故障发生的时候,设备工作人员会及时消除故障,因此获取大量的设备运行故障数据的难度较高。这就给建立故障分类模型的工作带来了很大的问题。导致这类方法不适用于生产实际需求。
因此,如何设计出一种可以克服上述技术缺陷的电机的故障检测方法成为了亟待解决的技术问题。
发明内容
本发明旨在解决现有技术或相关技术中存在的电机故障判定实施难度大,大量故障数据预先获取难度高的问题。
为此,本发明的第一方面提出一种电机的故障检测方法。
本发明的第二方面提出一种电机的故障检测装置。
本发明的第三方面提出一种掘进机。
本发明的第四方面提出一种可读存储介质。
有鉴于此,本发明的第一方面提供了一种电机的故障检测方法,包括:采集工作数据;计算工作数据与样本数据库的第一相似度;在第一相似度小于第一阈值的情况下,将工作数据确定为故障数据;确认与故障数据对应的故障信息,并生成故障数据库;采集当前工作数据,并计算当前工作数据和样本数据的第一相似度;在第一相似度小于第一阈值的情况下,根据当前工作数据和故障数据库确定对应的目标第一故障信息。
在根据本发明所提供的电机的故障检测方法检测电机的工作状态时,采集电机的工作数据,该工作数据为多个和时间节点下电机的电参数值。在完成工作数据的采集后,根据采集到的工作数据和预存的样本数据库计算出二者间的第一相似度。其中样本数据库为预先存储的电机的正常工作数据的集合,具体是在控制电机在正常工作状态下运行时所采集到的多个时间节点下电机的电参数值。因此,该步骤所计算出的第一相似度可以反映出工作数据和样本数据在电参数上的相似程度,第一相似度越高代表两个数据间的相似程度越高,反之代表两个数据间的差距较大。
在完成相似度的计算后,将相似度与第一阈值进行比对。若比对结果为第一相似度大于第一阈值,则证明工作数据和样本数据间的偏差较小,说明此时电机工作正常。相应地,若比对结果为相似度小于第一阈值,则证明工作数据和样本数据的偏差较大,说明此时电机正处于故障状态。在判断出第一相似度小于第一阈值的情况下,可以确定该工作数据对应于电机的异常工作状态,随即将工作数据作为故障数据,并同时获取与故障数据对应的第一故障信息。其中,第一故障信息指的是电机以该故障数据工作时,所产生的故障现象以及故障类型。其后,在完成第一故障信息的采集后,根据故障数据和第一故障信息生成故障数据库。该故障数据库可以反映出故障数据和第一故障信息的对应关系,以使用户在通过该故障检测方法检测电机的后续工作状态时,可以通过所采集到的当前工作数据和故障数据快速定位出对应于电机当前状态的第一故障信息,以完成故障的现象以及故障类型的高效定位。进而实现优化电机的故障检测方法,提升故障判定的精准性和可靠性,为用户带来便利条件,降低电机维护难度的技术效果。
在判断电机的目标故障信息时,先采集当前工作数据,并计算当前工作数据和样本数据间的第一相似度。其中,当前工作数据指的是在完成故障数据库的建立后,通过该故障检测方法检测电机故障时所采集到的电机的实时工作数据。计算出的第一相似度可以反映出实时工作数据和预存的样本数据的相似程度,以通过第一相似度反映电机当前工作状态与正常工作状态的差距。在完成第一相似度的计算后,比对第一相似度和第一阈值。当比对结果为第一相似度大于第一阈值,则证明当前工作数据和样本数据间的偏差较小,说明当前电机工作正常。相应地,若比对结果为第一相似度小于第一阈值,则证明工作数据和样本数据的偏差较大,说明此时电机正处于故障状态,随即根据采集到的当前工作数据结合故障数据库确定出当前状态下电机的目标故障信息。从而使系统可以在检测出电机处于异常工作状态时直接通过调用故障数据库来得到目标故障信息。一方面免去了预先通过工作人员自主收集故障信息并根据自主收集的故障信息建立数学模型的繁复步骤,另一方面解决了人为收集故障信息可靠性差的问题。进而实现了优化电机的故障检测方法,提升故障检测方法的自动化程度和智能化程度,提升故障检测方法的实用性和可靠性,降低用户工作量,提升用户使用体验的技术效果。
本申请通过限定根据工作数据生成故障数据库,并根据故障数据库判断电机的目标故障信息这一步骤,使系统可以在判断出电机出现异常的第一时间自主收集并存储电机在故障状态下所对应的电参数信息,从而免去了工作人员自主收集故障信息的繁复步骤,并解决了人为收集故障信息可靠性差的问题。同时,该步骤可以使系统具备自主学习能力,随着电机工作时长的累积,故障数据库中的信息不断得到补充,使该故障数据库可以判断出更多的故障种类。相较于通过定量数据构建的判定模型,本申请所限定的判定检测方法具备更加优秀的实用性和可靠性。进而实现了优化电机的故障检测方法,提升故障检测方法的自动化程度和智能化程度,提升故障检测方法的实用性和可靠性,降低用户工作量,提升用户使用体验的技术效果。
另外,本发明提供的上述电机的故障检测方法还可以具有如下附加技术特征:
在上述任一技术方案中,根据当前工作数据和故障数据库确定对应的目标故障信息的步骤,具体包括:计算当前工作数据和故障数据库中的每个故障数据的第二相似度;确定最大的第二相似度对应的故障信息为目标故障信息。
在该技术方案中,故障数据库中可以包含单个故障数据,也可以包含多个故障数据,故障数据的数目与该故障检测方法的检测时长以及检测次数正相关,随着故障数据库的信息积累,故障信息库中的故障信息数逐渐增加。在此基础上,对根据当前工作数据和故障数据库确定对应的目标故障信息这一步骤做出了展开说明。具体地,在判断出第一相似度小于第一阈值后,计算当前工作数据和每一个故障数据的第二相似度。其后,在计算出的第二相似度中确定出最大的第二相似度,并将最大的第二相似度所对应的故障数据作为目标故障数据,以根据该故障数据在故障数据库中确定出对应的目标故障信息。通过限定该步骤,可以确保当前工作数据可以分别与故障数据库所存储的多种故障类型进行比对,以降低目标故障信息误判断的可能性。进而实现优化故障检测方法,提升故障检测方法的检测精准性和可靠性,降低用户误操作的可能性,降低电机维护难度的技术效果。
在上述任一技术方案中,在确定最大的第二相似度对应的故障信息为目标故障信息之前,电机的故障检测方法还包括:在第二相似度小于第二阈值的情况下,获取与当前工作数据对应的第二故障信息;根据当前工作数据和第二故障信息更新故障数据库。
在该技术方案中,在确定最大的第二相似度对应的故障信息为目标故障信息这一步骤之前,电机的故障检测方法还包括:在计算出的每个第二相似度均小于叠阈值的情况下,说明当前工作数据与故障数据库中所存储的每个故障数据的偏差均较大,当前数据库所包括的故障信息无法涵盖当前工作数据,随即获取与当前工作数据对应的第二故障信息,以作为这一无法判定的当前故障所对应的故障信息。其后,根据当前工作数据以及第二故障信息更新故障数据库。具体地,可以将当前工作数据和第二故障信息关联存储并作为故障数据库的一部分,以使系统可以借助更新完成的故障数据库在后续故障检测过程中准确识别出这一故障。从而完成了故障数据库的自动化更新,确保故障数据库所存储的故障信息可以随电机的使用时间的累加而扩充。进而实现了优化故障检测方法,提升检测方法的自动化程度和智能化程度,拓宽故障检测的覆盖范围,提升故障检测精度的技术效果。
在上述任一技术方案中,在采集工作数据的步骤之前,电机的故障检测方法还包括:获取初始样本数据,并根据初始样本数据生成样本数据库。
在该技术方案中,对样本数据库的生成方式做出了限定。具体地,在采集工作数据前,先获取电机的初始样本数据,初始样本数据指的是电机在正常工作状态下所采集到的数据,该样本数据可以反映电机正在处于正常工作状态。其后,根据初始样本数据生成样本数据库,以作为后续电机工作状态判定的基准数据库。通过构建样本数据库,一方面可以通过计算第一相似度这一过程简化电机运行状态的计算过程,降低系统处理负担,另一方面可以提升电机运行状态判定的精准性和可靠性。
在上述任一技术方案中,故障检测方法还包括:在第一相似度大于第一阈值的情况下,将当前工作数据确定为样本数据;根据样本数据更新样本数据库。
在该技术方案中,在完成第一相似度的计算后,若第一相似度大于第一阈值,则说明当前工作数据与样本数据库中所存储的样本数据的相似程度较高,便可确定电机正在处于正常工作状态。其后,将这一当前工作数据确定为样本数据并存入样本数据库,以实现样本数据库的更新。通过限定这一步骤,使样本数据库具备了自动扩充的功能,从而使样本数据库所存储的样本数据更加接近正常工作状态下电机的工作参数。进而实现了优化故障检测方法,提升电机工作状态判定的准确性和可靠性,降低误判概率的技术效果。
在上述任一技术方案中,工作数据和样本数据均包括M个时间点下的N个电参数,其中M和N为大于1的整数;计算工作数据与预设的样本数据的第一相似度的步骤,具体包括:分别计算每个时间点下工作数据对应的电参数和样本数据对应的电参数的M个方差;确定M个方差的最小值为第一相似度。
在该技术方案中,先对工作数据和样本数据的数据形式做出了限定。具体地,工作数据和样本数据均包括M个时间点,其中每个时间点下均包括N个对应的电参数。例如,样本数据可以包括10个以等间隔采集的数据向量,每个向量中包括电流最大值、电流波动值、电压最大值、电压波动值4个电参数。对此,通过表示工作数据中对应其中一个时间点的数据信息,通过表示样本数据中对应其中一个时间点的数据信息。
在此基础上,对计算工作数据与预设的样本数据的相似度的步骤做出了限定。具体地,先分别计算每个时间点下工作数据对应的电参数和样本数据对应的电参数的M个方差,该方差的计算公式如下:
其中,d1为根据工作数据中第一个时间点所对应的数据信息和样本数据中第一个时间点所对应的数据信息所计算出的第一方差值。
通过该计算方式计算最小相似度,一方面可覆盖电机工作的全部电参数,以从多个角度判定工作数据和样本数据的相似程度,从而提升故障检测的可靠性,提升故障类型定位的精准性。另一方面,将方差值最小的分量与第一阈值或第二阈值比对,可以在满足故障判定准确性的基础上简化计算过程,从而降低计算量。进而实现优化故障检测方法,提升检测方法检测精准性和可靠性,降低系统数据处理量,提升故障检测效率的技术效果。
本发明的第二方面提供了一种电机的故障检测装置,故障检测装置包括:采集单元,采集工作数据;第一计算单元,计算工作数据与预设的样本数据的第一相似度;第一确定单元,在第一相似度小于第一阈值的情况下,将工作数据确定为故障数据;第一生成单元,确认与故障数据对应的故障信息,并生成故障数据库;第二计算单元,采集当前工作数据,并计算当前工作数据和样本数据的第一相似度;第二确定单元,在第一相似度小于第一阈值的情况下,根据当前工作数据和故障数据库确定对应的目标故障信息。
在根据本发明所提供的电机的故障检测装置检测电机的工作状态时,采集单元采集电机的工作数据,该工作数据为多个和时间节点下电机的电参数值。在完成工作数据的采集后,第一计算单元根据采集到的工作数据和预存的样本数据库计算出二者间的第一相似度。其中样本数据库为预先存储的电机的正常工作数据的集合,具体是在控制电机在正常工作状态下运行时所采集到的多个时间节点下电机的电参数值。因此,第一计算单元所计算出的第一相似度可以反映出工作数据和样本数据在电参数上的相似程度,第一相似度越高代表两个数据间的相似程度越高,反之代表两个数据间的差距较大。
在完成相似度的计算后,第一确定单元将第一相似度与第一阈值进行比对。若比对结果为第一相似度大于第一阈值,则证明工作数据和样本数据间的偏差较小,说明此时电机工作正常。相应地,若比对结果为第一相似度小于第一阈值,则证明工作数据和样本数据的偏差较大,说明此时电机正处于故障状态。第一确定单元在判断出第一相似度小于第一阈值的情况下,可以确定该工作数据对应于电机的异常工作状态,随即将工作数据作为故障数据,并同时控制第一生成单元获取与故障数据对应的第一故障信息。其中,第一故障信息指的是电机以该故障数据工作时,所产生的故障现象以及故障类型。其后,在完成第一故障信息的采集后,第一生成单元根据故障数据和第一故障信息生成故障数据库。该故障数据库可以反映出故障数据和第一故障信息的对应关系,以使用户在通过该故障检测装置检测电机的后续工作状态时,可以通过所采集到的当前工作数据和故障数据快速定位出对应于电机当前状态的第一故障信息,以完成故障的现象以及故障类型的高效定位。进而实现优化电机的故障检测装置,提升故障判定的精准性和可靠性,为用户带来便利条件,降低电机维护难度的技术效果。
在判断电机的目标故障信息时,第二计算单元先采集当前工作数据,并计算当前工作数据和样本数据间的第一相似度。其中,当前工作数据指的是在完成故障数据库的建立后,通过该故障检测装置检测电机故障时所采集到的电机的实时工作数据。计算出的第一相似度可以反映出实时工作数据和预存的样本数据的相似程度,以通过第一相似度反映电机当前工作状态与正常工作状态的差距。在完成第一相似度的计算后,第二确定单元比对第一相似度和第一阈值。当比对结果为第一相似度大于第一阈值,则证明当前工作数据和样本数据间的偏差较小,说明当前电机工作正常。相应地,若比对结果为相似度小于第一阈值,则证明工作数据和样本数据的偏差较大,说明此时电机正处于故障状态,随即根据采集到的当前工作数据结合故障数据库确定出当前状态下电机的目标故障信息。从而使系统可以在检测出电机处于异常工作状态时直接通过调用故障数据库来得到目标故障信息。一方面免去了预先通过工作人员自主收集故障信息并根据自主收集的故障信息建立数学模型的繁复步骤,另一方面解决了人为收集故障信息可靠性差的问题。进而实现了优化电机的故障检测装置,提升故障检测装置的自动化程度和智能化程度,提升故障检测装置的实用性和可靠性,降低用户工作量,提升用户使用体验的技术效果。
本申请通过限定根据工作数据生成故障数据库,并根据故障数据库判断电机的目标故障信息这一步骤,使系统可以在判断出电机出现异常的第一时间自主收集并存储电机在故障状态下所对应的电参数信息,从而免去了工作人员自主收集故障信息的繁复步骤,并解决了人为收集故障信息可靠性差的问题。同时,该步骤可以使系统具备自主学习能力,随着电机工作时长的累积,故障数据库中的信息不断得到补充,使该故障数据库可以判断出更多的故障种类。相较于通过定量数据构建的判定模型,本申请所限定的判定检测装置具备更加优秀的实用性和可靠性。进而实现了优化电机的故障检测装置,提升故障检测装置的自动化程度和智能化程度,提升故障检测装置的实用性和可靠性,降低用户工作量,提升用户使用体验的技术效果。
在上述任一技术方案中,第二计算单元用于:计算当前工作数据和故障数据库中的每个故障数据的第二相似度;确定最大的第二相似度对应的故障信息为目标故障信息。
在该实施例中,故障数据库中可以包含单个故障数据,也可以包含多个故障数据,故障数据的数目与该故障检测装置的检测时长以及检测次数正相关,随着故障数据库的信息积累,故障信息库中的故障信息数逐渐增加。在此基础上,对第二计算单元的工作方式做出了展开说明。具体地,在判断出第一相似度小于第一阈值后,计算当前工作数据和每一个故障数据的第二相似度。其后,在计算出的第二相似度中确定出最大的第二相似度,并将最大的第二相似度所对应的故障数据作为目标故障数据,以根据该故障数据在故障数据库中确定出对应的目标故障信息。通过限定该步骤,可以确保当前工作数据可以分别与故障数据库所存储的多种故障类型进行比对,以降低目标故障信息误判断的可能性。进而实现优化故障检测装置,提升故障检测装置的检测精准性和可靠性,降低用户误操作的可能性,降低电机维护难度的技术效果。
在上述任一技术方案中,电机的故障检测装置,还包括:第一更新单元,在第二相似度小于第二阈值的情况下,获取与当前工作数据对应的第二故障信息;根据当前工作数据和第二故障信息更新故障数据库。
在该实施例中,电机的故障检测装置还包括第一更新单元,在计算出的每个第二相似度均小于叠阈值的情况下,说明当前工作数据与故障数据库中所存储的每个故障数据的偏差均较大,当前数据库所包括的故障信息无法涵盖当前工作数据。第一更新单元随即获取与当前工作数据对应的第二故障信息,以作为这一无法判定的当前故障所对应的故障信息。其后,根据当前工作数据以及第二故障信息更新故障数据库。具体地,可以将当前工作数据和第二故障信息关联存储并作为故障数据库的一部分,以使系统可以借助更新完成的故障数据库在后续故障检测过程中准确识别出这一故障。从而完成了故障数据库的自动化更新,确保故障数据库所存储的故障信息可以随电机的使用时间的累加而扩充。进而实现了优化故障检测装置,提升检测装置的自动化程度和智能化程度,拓宽故障检测的覆盖范围,提升故障检测精度的技术效果。
在上述任一技术方案中,电机的故障检测装置还包括:第二生成单元,获取初始样本数据,并根据初始样本数据生成样本数据库。
在该实施例中,电机的故障检测装置还包括第二生成单元。具体地,在采集工作数据前,第二生成单元先获取电机的初始样本数据,初始样本数据指的是电机在正常工作状态下所采集到的数据,该样本数据可以反映电机正在处于正常工作状态。其后,根据初始样本数据生成样本数据库,以作为后续电机工作状态判定的基准数据库。通过构建样本数据库,一方面可以通过计算第一相似度这一过程简化电机运行状态的计算过程,降低系统处理负担,另一方面可以提升电机运行状态判定的精准性和可靠性。
在上述任一技术方案中,电机的故障检测装置还包括:第二更新单元,在第一相似度大于第一阈值的情况下,将当前工作数据确定为样本数据;根据样本数据更新样本数据库。
在该实施例中,在完成第一相似度的计算后,若第一相似度大于第一阈值,则说明当前工作数据与样本数据库中所存储的样本数据的相似程度较高,便可确定电机正在处于正常工作状态。其后,第二更新单元将这一当前工作数据确定为样本数据并存入样本数据库,以实现样本数据库的更新。通过限定这一步骤,使样本数据库具备了自动扩充的功能,从而使样本数据库所存储的样本数据更加接近正常工作状态下电机的工作参数。进而实现了优化故障检测装置,提升电机工作状态判定的准确性和可靠性,降低误判概率的技术效果。
在上述任一技术方案中,工作数据和样本数据均包括M个时间点下的N个电参数,其中M和N为大于1的整数;第一计算单元包括:分别计算每个时间点下工作数据对应的电参数和样本数据对应的电参数的M个方差;确定M个方差的最小值为第一相似度。
在该实施例中,先对工作数据和样本数据的数据形式做出了限定。具体地,工作数据和样本数据均包括M个时间点,其中每个时间点下均包括N个对应的电参数。例如,样本数据可以包括10个以等间隔采集的数据向量,每个向量中包括电流最大值、电流波动值、电压最大值、电压波动值4个电参数。对此,通过表示工作数据中对应其中一个时间点的数据信息,通过表示样本数据中对应其中一个时间点的数据信息。
在此基础上,对第一计算单元的工作方式做出了限定。具体地,先分别计算每个时间点下工作数据对应的电参数和样本数据对应的电参数的M个方差,该方差的计算公式如下:
其中,d1为根据工作数据中第一个时间点所对应的数据信息和样本数据中第一个时间点所对应的数据信息所计算出的第一方差值。
通过该计算方式计算最小相似度,一方面可覆盖电机工作的全部电参数,以从多个角度判定工作数据和样本数据的相似程度,从而提升故障检测的可靠性,提升故障类型定位的精准性。另一方面,将方差值最小的分量与第一阈值或第二阈值比对,可以在满足故障判定准确性的基础上简化计算过程,从而降低计算量。进而实现优化故障检测装置,提升检测装置检测精准性和可靠性,降低系统数据处理量,提升故障检测效率的技术效果。
本发明的第三方面提供了一种掘进机,掘进机包括截割部,截割部包括截割头和用于驱动截割头的电机,以及如上述任一技术方案中的电机的故障检测装置,采集单元用于采集电机的工作数据。
在该技术方案中,限定了一种包括前述技术方案中的电机的掘进机。掘进机还包括截割部,截割部包括截割头和用于驱动截割头的电机。其中,掘进机是用于开凿平直地下巷道的专用设备,是由机械、电气和液压构成的复杂系统。掘进机可以有效的提高安全性和劳动生产率,但掘进机的工作环境恶劣,一旦故障停机,会导致巨大的经济损失。因此,本申请通过在掘进机中设置上述任一技术方案中的电机的故障检测装置,以通过该装置对掘进机关键电机的健康状态进行实时在线监测与诊断,在保障设备长期、安全和高效运行方面,具有重要的经济意义。对此,本申请通过在掘进机中设置应用上述任一技术方案中的故障检测装置,使现场维护人员可以根据实时反馈出的目标故障信息准确知晓掘进机中电机的故障类型,以便于现场维护人员快速排查故障并解除故障。相较于相关技术中通过大量现有采集样本生成数学模型来检测故障的电机来说,该技术方案所限定的电机具备实施难度低,检测精度高,故障定位准确的优点。具体可实现上述任一技术方案中电机的故障检测装置的全部技术效果,为避免重复,此处不再赘述。
本发明的第四方面提供了一种可读存储介质,可读存储介质上存储有程序或指令,程序或指令被处理器执行时实现如上述任一技术方案中的电机的故障检测方法。
在该技术方案中,提供的可读存储介质中,程序被处理器执行时实现如上述任一技术方案的电机的故障检测方法的步骤,因此该可读存储介质包括上述任一技术方案的电机的故障检测方法的全部有益效果,为避免重复,此处不再赘述。
本发明的附加方面和优点将在下面的描述部分中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1示出了根据本发明的一个实施例的电机的故障检测方法的流程图之一;
图2示出了根据本发明的一个实施例的电机的故障检测方法的流程图之二;
图3示出了根据本发明的一个实施例的电机的故障检测方法的流程图之三;
图4示出了根据本发明的一个实施例的电机的故障检测方法的流程图之四;
图5示出了根据本发明的一个实施例的电机的故障检测方法的流程图之五;
图6示出了根据本发明的一个实施例的电机的故障检测方法的流程图之六;
图7示出了根据本发明的一个实施例的电机的故障检测装置的框图。
其中,图7中的附图标记与部件名称之间的对应关系为:
700电机的故障检测装置,710采集单元,720第一计算单元,730第一确定单元,740第一生成单元,750第二计算单元,760第二确定单元,770第一更新单元,780第二生成单元,790第二更新单元。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
下面参照图1至图7描述根据本发明一些实施例的电机的故障检测方法和装置、掘进机、可读存储介质。
实施例一
如图1所示,本发明的第一方面实施例提供了一种电机的故障检测方法,电机的故障检测方包括:
步骤102,采集工作数据;
步骤104,计算工作数据与样本数据库的第一相似度;
步骤106,在第一相似度小于第一阈值的情况下,将工作数据确定为故障数据;
步骤108,确认与故障数据对应的第一故障信息,并生成故障数据库;
步骤110,采集当前工作数据,并计算当前工作数据和样本数据的第一相似度;
步骤112,在第一相似度小于第一阈值的情况下,根据当前工作数据和故障数据库确定对应的目标故障信息。
在根据本发明所提供的电机的故障检测方法检测电机的工作状态时,采集电机的工作数据,该工作数据为多个和时间节点下电机的电参数值。在完成工作数据的采集后,根据采集到的工作数据和预存的样本数据库计算出二者间的第一相似度。其中样本数据库为预先存储的电机的正常工作数据的集合,具体是在控制电机在正常工作状态下运行时所采集到的多个时间节点下电机的电参数值。因此,该步骤所计算出的第一相似度可以反映出工作数据和样本数据在电参数上的相似程度,第一相似度越高代表两个数据间的相似程度越高,反之代表两个数据间的差距较大。
在完成相似度的计算后,将相似度与第一阈值进行比对。若比对结果为相似度大于第一阈值,则证明工作数据和样本数据间的偏差较小,说明此时电机工作正常。相应地,若比对结果为相似度小于第一阈值,则证明工作数据和样本数据的偏差较大,说明此时电机正处于故障状态。在判断出第一相似度小于第一阈值的情况下,可以确定该工作数据对应于电机的异常工作状态,随即将工作数据作为故障数据,并同时获取与故障数据对应的第一故障信息。其中,第一故障信息指的是电机以该故障数据工作时,所产生的故障现象以及故障类型。其后,在完成第一故障信息的采集后,根据故障数据和第一故障信息生成故障数据库。该故障数据库可以反映出故障数据和第一故障信息的对应关系,以使用户在通过该故障检测方法检测电机的后续工作状态时,可以通过所采集到的当前工作数据和故障数据快速定位出对应于电机当前状态的第一故障信息,以完成故障的现象以及故障类型的高效定位。进而实现优化电机的故障检测方法,提升故障判定的精准性和可靠性,为用户带来便利条件,降低电机维护难度的技术效果。
在判断电机的目标故障信息时,先采集当前工作数据,并计算当前工作数据和样本数据间的第一相似度。其中,当前工作数据指的是在完成故障数据库的建立后,通过该故障检测方法检测电机故障时所采集到的电机的实时工作数据。计算出的第一相似度可以反映出实时工作数据和预存的样本数据的相似程度,以通过第一相似度反映电机当前工作状态与正常工作状态的差距。在完成第一相似度的计算后,比对第一相似度和第一阈值。当比对结果为第一相似度大于第一阈值,则证明当前工作数据和样本数据间的偏差较小,说明当前电机工作正常。相应地,若比对结果为相似度小于第一阈值,则证明工作数据和样本数据的偏差较大,说明此时电机正处于故障状态,随即根据采集到的当前工作数据结合故障数据库确定出当前状态下电机的目标故障信息。从而使系统可以在检测出电机处于异常工作状态时直接通过调用故障数据库来得到目标故障信息。一方面免去了预先通过工作人员自主收集故障信息并根据自主收集的故障信息建立数学模型的繁复步骤,另一方面解决了人为收集故障信息可靠性差的问题。进而实现了优化电机的故障检测方法,提升故障检测方法的自动化程度和智能化程度,提升故障检测方法的实用性和可靠性,降低用户工作量,提升用户使用体验的技术效果。本申请通过限定根据工作数据生成故障数据库,并根据故障数据库判断电机的目标故障信息这一步骤,使系统可以在判断出电机出现异常的第一时间自主收集并存储电机在故障状态下所对应的电参数信息,从而免去了工作人员自主收集故障信息的繁复步骤,并解决了人为收集故障信息可靠性差的问题。同时,该步骤可以使系统具备自主学习能力,随着电机工作时长的累积,故障数据库中的信息不断得到补充,使该故障数据库可以判断出更多的故障种类。相较于通过定量数据构建的判定模型,本申请所限定的判定检测方法具备更加优秀的实用性和可靠性。进而实现了优化电机的故障检测方法,提升故障检测方法的自动化程度和智能化程度,提升故障检测方法的实用性和可靠性,降低用户工作量,提升用户使用体验的技术效果。
实施例二
如图2所示,在本发明的第二方面实施例中,根据当前工作数据和故障数据库确定对应的目标故障信息的步骤,具体包括:
步骤202,计算当前工作数据和故障数据库中的每个故障数据的第二相似度;
步骤204,确定最大的第二相似度对应的故障信息为目标故障信息。
在该实施例中,故障数据库中可以包含单个故障数据,也可以包含多个故障数据,故障数据的数目与该故障检测方法的检测时长以及检测次数正相关,随着故障数据库的信息积累,故障信息库中的故障信息数逐渐增加。在此基础上,对根据当前工作数据和故障数据库确定对应的目标故障信息这一步骤做出了展开说明。具体地,在判断出第一相似度小于第一阈值后,计算当前工作数据和每一个故障数据的第二相似度。其后,在计算出的第二相似度中确定出最大的第二相似度,并将最大的第二相似度所对应的故障数据作为目标故障数据,以根据该故障数据在故障数据库中确定出对应的目标故障信息。通过限定该步骤,可以确保当前工作数据可以分别与故障数据库所存储的多种故障类型进行比对,以降低目标故障信息误判断的可能性。进而实现优化故障检测方法,提升故障检测方法的检测精准性和可靠性,降低用户误操作的可能性,降低电机维护难度的技术效果。
实施例三
如图3所示,在本发明的第三方面实施例中,在确定最大的第二相似度对应的故障信息为目标故障信息的步骤之前,电机的故障检测方法还包括:
步骤302,在第二相似度小于第二阈值的情况下,获取与当前工作数据对应的第二故障信息;
步骤304,根据当前工作数据和第二故障信息更新故障数据库。
在该实施例中,在确定最大的第二相似度对应的故障信息为目标故障信息这一步骤之前,电机的故障检测方法还包括:在计算出的每个第二相似度均小于叠阈值的情况下,说明当前工作数据与故障数据库中所存储的每个故障数据的偏差均较大,当前数据库所包括的故障信息无法涵盖当前工作数据,随即获取与当前工作数据对应的第二故障信息,以作为这一无法判定的当前故障所对应的故障信息。其后,根据当前工作数据以及第二故障信息更新故障数据库。具体地,可以将当前工作数据和第二故障信息关联存储并作为故障数据库的一部分,以使系统可以借助更新完成的故障数据库在后续故障检测过程中准确识别出这一故障。从而完成了故障数据库的自动化更新,确保故障数据库所存储的故障信息可以随电机的使用时间的累加而扩充。进而实现了优化故障检测方法,提升检测方法的自动化程度和智能化程度,拓宽故障检测的覆盖范围,提升故障检测精度的技术效果。
实施例四
如图4所示,在本发明的第四方面实施例中,在采集工作数据的步骤之前,电机的故障检测方法还包括:
步骤402,获取初始样本数据,并根据初始样本数据生成样本数据库。
在该实施例中,对样本数据库的生成方式做出了限定。具体地,在采集工作数据前,先获取电机的初始样本数据,初始样本数据指的是电机在正常工作状态下所采集到的数据,该样本数据可以反映电机正在处于正常工作状态。其后,根据初始样本数据生成样本数据库,以作为后续电机工作状态判定的基准数据库。通过构建样本数据库,一方面可以通过计算第一相似度这一过程简化电机运行状态的计算过程,降低系统处理负担,另一方面可以提升电机运行状态判定的精准性和可靠性。
实施例五
如图5所示,在本发明的第五方面实施例中,故障检测方法还包括:
步骤502,在第一相似度大于第一阈值的情况下,将当前工作数据确定为样本数据;
步骤504,根据样本数据更新样本数据库。
在该实施例中,在完成第一相似度的计算后,若第一相似度大于第一阈值,则说明当前工作数据与样本数据库中所存储的样本数据的相似程度较高,便可确定电机正在处于正常工作状态。其后,将这一当前工作数据确定为样本数据并存入样本数据库,以实现样本数据库的更新。通过限定这一步骤,使样本数据库具备了自动扩充的功能,从而使样本数据库所存储的样本数据更加接近正常工作状态下电机的工作参数。进而实现了优化故障检测方法,提升电机工作状态判定的准确性和可靠性,降低误判概率的技术效果。
实施例六
如图6所示,在本发明的第六方面实施例中,工作数据和样本数据均包括M个时间点下的N个电参数,其中M和N为大于1的整数;计算工作数据与预设的样本数据的第一相似度的步骤,具体包括:
步骤602,分别计算每个时间点下工作数据对应的电参数和样本数据对应的电参数的M个方差;
步骤604,确定M个方差的最小值为第一相似度。
在该实施例中,先对工作数据和样本数据的数据形式做出了限定。具体地,工作数据和样本数据均包括M个时间点,其中每个时间点下均包括N个对应的电参数。例如,样本数据可以包括10个以等间隔采集的数据向量,每个向量中包括电流最大值、电流波动值、电压最大值、电压波动值4个电参数。对此,通过表示工作数据中对应其中一个时间点的数据信息,通过表示样本数据中对应其中一个时间点的数据信息。
在此基础上,对计算工作数据与预设的样本数据的相似度的步骤做出了限定。具体地,先分别计算每个时间点下工作数据对应的电参数和样本数据对应的电参数的M个方差,该方差的计算公式如下:
其中,d1为根据工作数据中第一个时间点所对应的数据信息和样本数据中第一个时间点所对应的数据信息所计算出的第一方差值。
通过该计算方式计算最小相似度,一方面可覆盖电机工作的全部电参数,以从多个角度判定工作数据和样本数据的相似程度,从而提升故障检测的可靠性,提升故障类型定位的精准性。另一方面,将方差值最小的分量与第一阈值或第二阈值比对,可以在满足故障判定准确性的基础上简化计算过程,从而降低计算量。进而实现优化故障检测方法,提升检测方法检测精准性和可靠性,降低系统数据处理量,提升故障检测效率的技术效果。
实施例七
如图7所示,本发明第七方面实施例提供了一种电机的故障检测装置700,故障检测装置包括:障检测装置包括:采集单元710,采集工作数据;第一计算单元720,计算工作数据与预设的样本数据的第一相似度;第一确定单元730,在第一相似度小于第一阈值的情况下,将工作数据确定为故障数据;第一生成单元740,确认与故障数据对应的故障信息,并生成故障数据库;第二计算单元750,采集当前工作数据,并计算当前工作数据和样本数据的第一相似度;第二确定单元760,在第一相似度小于第一阈值的情况下,根据当前工作数据和故障数据库确定对应的目标故障信息。
在根据本发明所提供的电机的故障检测装置700检测电机的工作状态时,采集单元710采集电机的工作数据,该工作数据为多个和时间节点下电机的电参数值。在完成工作数据的采集后,第一计算单元720根据采集到的工作数据和预存的样本数据库计算出二者间的第一相似度。其中样本数据库为预先存储的电机的正常工作数据的集合,具体是在控制电机在正常工作状态下运行时所采集到的多个时间节点下电机的电参数值。因此,第一计算单元720所计算出的第一相似度可以反映出工作数据和样本数据在电参数上的相似程度,第一相似度越高代表两个数据间的相似程度越高,反之代表两个数据间的差距较大。
在完成相似度的计算后,第一确定单元730将相似度与第一阈值进行比对。若比对结果为第一相似度大于第一阈值,则证明工作数据和样本数据间的偏差较小,说明此时电机工作正常。相应地,若比对结果为相似度小于第一阈值,则证明工作数据和样本数据的偏差较大,说明此时电机正处于故障状态。第一确定单元730在判断出第一相似度小于第一阈值的情况下,可以确定该工作数据对应于电机的异常工作状态,随即将工作数据作为故障数据,并同时控制第一生成单元740获取与故障数据对应的第一故障信息。其中,第一故障信息指的是电机以该故障数据工作时,所产生的故障现象以及故障类型。其后,在完成第一故障信息的采集后,第一生成单元740根据故障数据和第一故障信息生成故障数据库。该故障数据库可以反映出故障数据和第一故障信息的对应关系,以使用户在通过该故障检测装置检测电机的后续工作状态时,可以通过所采集到的当前工作数据和故障数据快速定位出对应于电机当前状态的第一故障信息,以完成故障的现象以及故障类型的高效定位。进而实现优化电机的故障检测装置700,提升故障判定的精准性和可靠性,为用户带来便利条件,降低电机维护难度的技术效果。
在判断电机的目标故障信息时,第二计算单元750先采集当前工作数据,并计算当前工作数据和样本数据间的第一相似度。其中,当前工作数据指的是在完成故障数据库的建立后,通过该故障检测装置检测电机故障时所采集到的电机的实时工作数据。计算出的第一相似度可以反映出实时工作数据和预存的样本数据的相似程度,以通过第一相似度反映电机当前工作状态与正常工作状态的差距。在完成第一相似度的计算后,第二确定单元760比对第一相似度和第一阈值。当比对结果为第一相似度大于第一阈值,则证明当前工作数据和样本数据间的偏差较小,说明当前电机工作正常。相应地,若比对结果为相似度小于第一阈值,则证明工作数据和样本数据的偏差较大,说明此时电机正处于故障状态,随即根据采集到的当前工作数据结合故障数据库确定出当前状态下电机的目标故障信息。从而使系统可以在检测出电机处于异常工作状态时直接通过调用故障数据库来得到目标故障信息。一方面免去了预先通过工作人员自主收集故障信息并根据自主收集的故障信息建立数学模型的繁复步骤,另一方面解决了人为收集故障信息可靠性差的问题。进而实现了优化电机的故障检测装置700,提升故障检测装置的自动化程度和智能化程度,提升故障检测装置的实用性和可靠性,降低用户工作量,提升用户使用体验的技术效果。
本申请通过限定根据工作数据生成故障数据库,并根据故障数据库判断电机的目标故障信息这一步骤,使系统可以在判断出电机出现异常的第一时间自主收集并存储电机在故障状态下所对应的电参数信息,从而免去了工作人员自主收集故障信息的繁复步骤,并解决了人为收集故障信息可靠性差的问题。同时,该步骤可以使系统具备自主学习能力,随着电机工作时长的累积,故障数据库中的信息不断得到补充,使该故障数据库可以判断出更多的故障种类。相较于通过定量数据构建的判定模型,本申请所限定的判定检测装置具备更加优秀的实用性和可靠性。进而实现了优化电机的故障检测装置700,提升故障检测装置的自动化程度和智能化程度,提升故障检测装置的实用性和可靠性,降低用户工作量,提升用户使用体验的技术效果。
实施例八
如图7所示,本发明第八方面实施例,第二计算单元750用于:计算当前工作数据和故障数据库中的每个故障数据的第二相似度;确定最大的第二相似度对应的故障信息为目标故障信息。
在该实施例中,故障数据库中可以包含单个故障数据,也可以包含多个故障数据,故障数据的数目与该故障检测装置的检测时长以及检测次数正相关,随着故障数据库的信息积累,故障信息库中的故障信息数逐渐增加。在此基础上,对第二计算单元750的工作方式做出了展开说明。具体地,在判断出第一相似度小于第一阈值后,计算当前工作数据和每一个故障数据的第二相似度。其后,在计算出的第二相似度中确定出最大的第二相似度,并将最大的第二相似度所对应的故障数据作为目标故障数据,以根据该故障数据在故障数据库中确定出对应的目标故障信息。通过限定该步骤,可以确保当前工作数据可以分别与故障数据库所存储的多种故障类型进行比对,以降低目标故障信息误判断的可能性。进而实现优化故障检测装置,提升故障检测装置的检测精准性和可靠性,降低用户误操作的可能性,降低电机维护难度的技术效果。
实施例九
如图7所示,本发明第九方面实施例,电机的故障检测装置700,还包括:第一更新单元770,在第二相似度小于第二阈值的情况下,获取与当前工作数据对应的第二故障信息;根据当前工作数据和第二故障信息更新故障数据库。
在该实施例中,电机的故障检测装置700还包括第一更新单元770,在计算出的每个第二相似度均小于叠阈值的情况下,说明当前工作数据与故障数据库中所存储的每个故障数据的偏差均较大,当前数据库所包括的故障信息无法涵盖当前工作数据。第一更新单元770随即获取与当前工作数据对应的第二故障信息,以作为这一无法判定的当前故障所对应的故障信息。其后,根据当前工作数据以及第二故障信息更新故障数据库。具体地,可以将当前工作数据和第二故障信息关联存储并作为故障数据库的一部分,以使系统可以借助更新完成的故障数据库在后续故障检测过程中准确识别出这一故障。从而完成了故障数据库的自动化更新,确保故障数据库所存储的故障信息可以随电机的使用时间的累加而扩充。进而实现了优化故障检测装置,提升检测装置的自动化程度和智能化程度,拓宽故障检测的覆盖范围,提升故障检测精度的技术效果。
实施例十
如图7所示,本发明第十方面实施例,电机的故障检测装置700还包括:第二生成单元780,获取初始样本数据,并根据初始样本数据生成样本数据库。
在该实施例中,电机的故障检测装置700还包括第二生成单元780。具体地,在采集工作数据前,第二生成单元780先获取电机的初始样本数据,初始样本数据指的是电机在正常工作状态下所采集到的数据,该样本数据可以反映电机正在处于正常工作状态。其后,根据初始样本数据生成样本数据库,以作为后续电机工作状态判定的基准数据库。通过构建样本数据库,一方面可以通过计算第一相似度这一过程简化电机运行状态的计算过程,降低系统处理负担,另一方面可以提升电机运行状态判定的精准性和可靠性。
实施例十一
如图7所示,本发明第十一方面实施例,电机的故障检测装置700还包括:第二更新单元790,在第一相似度大于第一阈值的情况下,将当前工作数据确定为样本数据;根据样本数据更新样本数据库。
在该实施例中,在完成第一相似度的计算后,若第一相似度大于第一阈值,则说明当前工作数据与样本数据库中所存储的样本数据的相似程度较高,便可确定电机正在处于正常工作状态。其后,第二更新单元790将这一当前工作数据确定为样本数据并存入样本数据库,以实现样本数据库的更新。通过限定这一步骤,使样本数据库具备了自动扩充的功能,从而使样本数据库所存储的样本数据更加接近正常工作状态下电机的工作参数。进而实现了优化故障检测装置,提升电机工作状态判定的准确性和可靠性,降低误判概率的技术效果。
实施例十二
如图7所示,本发明第十二方面实施例,工作数据和样本数据均包括M个时间点下的N个电参数,其中M和N为大于1的整数;第一计算单元720包括:分别计算每个时间点下工作数据对应的电参数和样本数据对应的电参数的M个方差;确定M个方差的最小值为第一相似度。
在该实施例中,先对工作数据和样本数据的数据形式做出了限定。具体地,工作数据和样本数据均包括M个时间点,其中每个时间点下均包括N个对应的电参数。例如,样本数据可以包括10个以等间隔采集的数据向量,每个向量中包括电流最大值、电流波动值、电压最大值、电压波动值4个电参数。对此,通过表示工作数据中对应其中一个时间点的数据信息,通过表示样本数据中对应其中一个时间点的数据信息。
在此基础上,对第一计算单元720的工作方式做出了限定。具体地,先分别计算每个时间点下工作数据对应的电参数和样本数据对应的电参数的M个方差,该方差的计算公式如下:
其中,d1为根据工作数据中第一个时间点所对应的数据信息和样本数据中第一个时间点所对应的数据信息所计算出的第一方差值。
通过该计算方式计算最小相似度,一方面可覆盖电机工作的全部电参数,以从多个角度判定工作数据和样本数据的相似程度,从而提升故障检测的可靠性,提升故障类型定位的精准性。另一方面,将方差值最小的分量与第一阈值或第二阈值比对,可以在满足故障判定准确性的基础上简化计算过程,从而降低计算量。进而实现优化故障检测装置,提升检测装置检测精准性和可靠性,降低系统数据处理量,提升故障检测效率的技术效果。
实施例十三
本发明的第十三方面实施例提供了一种掘进机,掘进机包括截割部,截割部包括截割头和用于驱动截割头的电机,以及如上述任一实施例中的电机的故障检测装置,采集单元用于采集电机的工作数据。
在该实施例中,限定了一种包括前述实施例中的电机的掘进机。掘进机还包括截割部,截割部包括截割头和用于驱动截割头的电机。其中,掘进机是用于开凿平直地下巷道的专用设备,是由机械、电气和液压构成的复杂系统。掘进机可以有效的提高安全性和劳动生产率,但掘进机的工作环境恶劣,一旦故障停机,会导致巨大的经济损失。因此,本申请通过在掘进机中设置上述任一实施例中的电机的故障检测装置,以通过该装置对掘进机关键电机的健康状态进行实时在线监测与诊断,在保障设备长期、安全和高效运行方面,具有重要的经济意义。对此,本申请通过在掘进机中设置应用上述任一实施例中的故障检测装置,使现场维护人员可以根据实时反馈出的目标故障信息准确知晓掘进机中电机的故障类型,以便于现场维护人员快速排查故障并解除故障。相较于相关技术中通过大量现有采集样本生成数学模型来检测故障的电机来说,该实施例所限定的电机具备实施难度低,检测精度高,故障定位准确的优点。具体可实现上述任一实施例中电机的故障检测装置的全部技术效果,为避免重复,此处不再赘述。
实施例十四
本发明的第十四方面实施例提供了一种可读存储介质,可读存储介质上存储有程序或指令,程序或指令被处理器执行时实现如上述任一实施例中的电机的故障检测方法。
在该实施例中,提供的可读存储介质中,程序被处理器执行时实现如上述任一实施例的电机的故障检测方法的步骤,因此该可读存储介质包括上述任一实施例的电机的故障检测方法的全部有益效果,为避免重复,此处不再赘述。
实施例十五
在本发明的第十五方面实施例中,提供一种基于相似度匹配的掘进机电机的故障检测方法,包括以下步骤:
当启动故障诊断模式时,掘进机电机实时获取当前工作数据,并在确定当前工作数据所对应的向量信息后,与样本数据库计算相似度,计算相似度的方法为,它表示当前掘进机电机实时运行监控数据向量与正常样本矩阵的第一行做相似度计算,第2行到第M行就表示为;
计算出相似度向量的分量最小值,若,其中为根据不同的工作情况设定的第一阈值,则认为当前监控数据向量是正常的。若出现,则认为当前工况有异常情况,去记录对应的设备故障情况和类型,将异常监控数据向量(当前工作数据)与故障数据存储至异常样本数据库中,生成故障数据库。
当设备实时监控数据向量(当前工作数据)再次与样本数据库作相似度计算时,则可以通过与异常样本数据库进行相似度计算,得到设备故障类型。
本发明的描述中,术语“多个”则指两个或两个以上,除非另有明确的限定,术语“上”、“下”等指示的方位或位置关系为基于附图的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制;术语“连接”、“安装”、“固定”等均应做广义理解,例如,“连接”可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是直接相连,也可以通过中间媒介间接相连。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明的描述中,术语“一个实施例”、“一些实施例”、“具体实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本发明的至少一个实施例或示例中。在本发明中,对上述术语的示意性表述不一定指的是相同的实施例或实例。而且,描述的具体特征、结构、材料或特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (14)
1.一种电机的故障检测方法,其特征在于,包括:
采集工作数据;
计算所述工作数据与样本数据库的第一相似度;
在所述第一相似度小于第一阈值的情况下,将所述工作数据确定为故障数据;
确认与所述故障数据对应的第一故障信息,并生成故障数据库;
采集当前工作数据,并计算所述当前工作数据和所述样本数据的第一相似度;
在所述第一相似度小于所述第一阈值的情况下,根据所述当前工作数据和所述故障数据库确定对应的目标故障信息。
2.根据权利要求1所述的电机的故障检测方法,其特征在于,所述根据所述当前工作数据和所述故障数据库确定对应的目标故障信息的步骤,具体包括:
计算所述当前工作数据和所述故障数据库中的每个所述故障数据的第二相似度;
确定最大的所述第二相似度对应的所述故障信息为所述目标故障信息。
3.根据权利要求2所述的电机的故障检测方法,其特征在于,在所述确定最大的所述第二相似度对应的所述故障信息为所述目标故障信息的步骤之前,所述电机的故障检测方法还包括:
在所述第二相似度小于第二阈值的情况下,获取与所述当前工作数据对应的第二故障信息;
根据所述当前工作数据和所述第二故障信息更新所述故障数据库。
4.根据权利要求1所述的电机的故障检测方法,其特征在于,在所述采集工作数据的步骤之前,所述电机的故障检测方法还包括:
获取初始样本数据,并根据所述初始样本数据生成所述样本数据库。
5.根据权利要求4所述的电机的故障检测方法,其特征在于,还包括:
在所述第一相似度大于所述第一阈值的情况下,将所述当前工作数据确定为样本数据;
根据所述样本数据更新所述样本数据库。
6.根据权利要求1至5中任一项所述的电机的故障检测方法,其特征在于,所述工作数据和所述样本数据均包括M个时间点下的N个电参数,其中M和N为大于1的整数;
所述计算所述工作数据与预设的样本数据的第一相似度的步骤,具体包括:
分别计算每个所述时间点下所述工作数据对应的电参数和所述样本数据对应的电参数的M个方差;
确定M个所述方差的最小值为所述第一相似度。
7.一种电机的故障检测装置,其特征在于,包括:
采集单元,采集工作数据;
第一计算单元,计算所述工作数据与预设的样本数据的第一相似度;
第一确定单元,在所述第一相似度小于第一阈值的情况下,将所述工作数据确定为故障数据;
第一生成单元,确认与所述故障数据对应的故障信息,并生成故障数据库;
第二计算单元,采集当前工作数据,并计算所述当前工作数据和所述样本数据的第一相似度;
第二确定单元,在所述第一相似度小于所述第一阈值的情况下,根据所述当前工作数据和所述故障数据库确定对应的目标故障信息。
8.根据权利要求7所述的电机的故障检测装置,其特征在于,所述第二计算单元用于:
计算所述当前工作数据和所述故障数据库中的每个所述故障数据的第二相似度;
确定最大的所述第二相似度对应的所述故障信息为所述目标故障信息。
9.根据权利要求8所述的电机的故障检测装置,其特征在于,还包括:
第一更新单元,在所述第二相似度小于第二阈值的情况下,获取与所述当前工作数据对应的第二故障信息;
根据所述当前工作数据和所述第二故障信息更新所述故障数据库。
10.根据权利要求7所述的电机的故障检测装置,其特征在于,还包括:
第二生成单元,获取初始样本数据,并根据所述初始样本数据生成所述样本数据库。
11.根据权利要求10所述的电机的故障检测装置,其特征在于,还包括:
第二更新单元,在所述第一相似度大于所述第一阈值的情况下,将所述当前工作数据确定为样本数据;
根据所述样本数据更新所述样本数据库。
12.根据权利要求7至11中任一项所述的电机的故障检测装置,其特征在于,所述工作数据和所述样本数据均包括M个时间点下的N个电参数,其中M和N为大于1的整数;
所述第一计算单元包括:
分别计算每个所述时间点下所述工作数据对应的电参数和所述样本数据对应的电参数的M个方差;
确定M个所述方差的最小值为所述第一相似度。
13.一种掘进机,包括截割部,其特征在于,所述截割部包括截割头和用于驱动所述截割头的电机,以及如权利要求7至12中任一项所述的电机的故障检测装置,所述采集单元用于采集所述电机的工作数据。
14.一种可读存储介质,其上存储有程序或指令,其特征在于,所述程序或指令被处理器执行时实现如权利要求1至6中任一项所述的电机的故障检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110602126.6A CN113379210A (zh) | 2021-05-31 | 2021-05-31 | 电机的故障检测方法和装置、掘进机、可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110602126.6A CN113379210A (zh) | 2021-05-31 | 2021-05-31 | 电机的故障检测方法和装置、掘进机、可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113379210A true CN113379210A (zh) | 2021-09-10 |
Family
ID=77574998
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110602126.6A Pending CN113379210A (zh) | 2021-05-31 | 2021-05-31 | 电机的故障检测方法和装置、掘进机、可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113379210A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113624533A (zh) * | 2021-10-12 | 2021-11-09 | 南京佰思智能科技有限公司 | 一种基于人工智能的发电厂设备故障诊断系统及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108491503A (zh) * | 2018-03-21 | 2018-09-04 | 广东电网有限责任公司电力科学研究院 | 一种基于数据分析确定变压器的故障类型的方法及系统 |
CN110275879A (zh) * | 2019-05-16 | 2019-09-24 | 浙江浙能技术研究院有限公司 | 一种基于故障数据状态矩阵进行故障匹配和预警的方法 |
CN110543907A (zh) * | 2019-08-29 | 2019-12-06 | 交控科技股份有限公司 | 一种基于微机监测功率曲线的故障分类方法 |
CN112486722A (zh) * | 2020-12-18 | 2021-03-12 | 江西理工大学 | 一种系统故障检测方法及相关装置 |
-
2021
- 2021-05-31 CN CN202110602126.6A patent/CN113379210A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108491503A (zh) * | 2018-03-21 | 2018-09-04 | 广东电网有限责任公司电力科学研究院 | 一种基于数据分析确定变压器的故障类型的方法及系统 |
CN110275879A (zh) * | 2019-05-16 | 2019-09-24 | 浙江浙能技术研究院有限公司 | 一种基于故障数据状态矩阵进行故障匹配和预警的方法 |
CN110543907A (zh) * | 2019-08-29 | 2019-12-06 | 交控科技股份有限公司 | 一种基于微机监测功率曲线的故障分类方法 |
CN112486722A (zh) * | 2020-12-18 | 2021-03-12 | 江西理工大学 | 一种系统故障检测方法及相关装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113624533A (zh) * | 2021-10-12 | 2021-11-09 | 南京佰思智能科技有限公司 | 一种基于人工智能的发电厂设备故障诊断系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106407589B (zh) | 一种风机状态评估与预测方法及系统 | |
CN109948860A (zh) | 一种机械系统剩余寿命预测方法及系统 | |
CN115559890B (zh) | 一种水泵机组运行故障预测调整方法及系统 | |
CN111098463A (zh) | 一种注塑机故障诊断系统及诊断方法 | |
CN111275215A (zh) | 基于物联网的电压监测仪故障自诊断方法及系统 | |
CN113221435A (zh) | 传感器的筛选方法及装置、传感器数据重构方法及系统 | |
EP3816803B1 (en) | Method for monitoring and identifying sensor failure in electric drive system | |
CN111993157B (zh) | 一种基于电信号的机械加工设备生产状态监测系统及方法 | |
CN110543658A (zh) | 基于大数据的电厂设备诊断方法 | |
CN113379210A (zh) | 电机的故障检测方法和装置、掘进机、可读存储介质 | |
CN115037603A (zh) | 用电信息采集设备的诊断评估方法、装置及系统 | |
CN116629627A (zh) | 输电在线监测装置的智能检测系统 | |
CN112014048B (zh) | 盾构机刀盘检测及修复方法 | |
CN116456297B (zh) | 一种基于5g网络的数据采集方法 | |
CN114924189B (zh) | 一种开关磁阻电机异响识别系统 | |
CN109523030B (zh) | 一种基于机器学习的遥测参数异常监测系统 | |
CN116595353A (zh) | 一种调相机远程故障诊断及智能决策系统 | |
US11339763B2 (en) | Method for windmill farm monitoring | |
CN116824734A (zh) | 一种基于数字孪生的设备远程故障诊断方法、系统和装置 | |
CN115788771A (zh) | 一种基于物联网技术的风力发电系统的智能运维管理系统 | |
CN115129011A (zh) | 基于边缘计算的工业资源管理方法 | |
CN115455358A (zh) | 基于非线性回归模型的电气参数趋势预警及故障诊断方法 | |
WO2021042233A1 (en) | Remote diagnosis system, apparatus and method for power tool | |
CN112559584A (zh) | 基于检测与监测信号样本的远程采集与调控系统 | |
CN113095705B (zh) | 一种基于大数据的舷外机故障检测系统 |
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 |