CN113955149A - 一种电机系统的健康诊断方法和装置 - Google Patents
一种电机系统的健康诊断方法和装置 Download PDFInfo
- Publication number
- CN113955149A CN113955149A CN202111414410.7A CN202111414410A CN113955149A CN 113955149 A CN113955149 A CN 113955149A CN 202111414410 A CN202111414410 A CN 202111414410A CN 113955149 A CN113955149 A CN 113955149A
- Authority
- CN
- China
- Prior art keywords
- data
- real
- state
- time
- motor system
- 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.)
- Granted
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64F—GROUND OR AIRCRAFT-CARRIER-DECK INSTALLATIONS SPECIALLY ADAPTED FOR USE IN CONNECTION WITH AIRCRAFT; DESIGNING, MANUFACTURING, ASSEMBLING, CLEANING, MAINTAINING OR REPAIRING AIRCRAFT, NOT OTHERWISE PROVIDED FOR; HANDLING, TRANSPORTING, TESTING OR INSPECTING AIRCRAFT COMPONENTS, NOT OTHERWISE PROVIDED FOR
- B64F5/00—Designing, manufacturing, assembling, cleaning, maintaining or repairing aircraft, not otherwise provided for; Handling, transporting, testing or inspecting aircraft components, not otherwise provided for
- B64F5/60—Testing or inspecting aircraft components or systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/34—Testing dynamo-electric machines
- G01R31/343—Testing dynamo-electric machines in operation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Manufacturing & Machinery (AREA)
- Transportation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Control Of Electric Motors In General (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本申请公开了一种电机系统的健康诊断方法和装置,具体为采集电机系统的多种实时参数,多种实时参数包括状态数据和运行数据;对实时参数进行特征提取,得到实时特征量;将实时特征量进行处理,得到实时状态记录、综合评分数据和历史数据;根据实时状态记录、综合评分数据、历史数据和电机系统的设备参数对电机系统进行诊断,得到电机系统的健康状态数据。通过上述方案可以实现在电机系统出现故障信息时及时进行识别,运维人员可以根据识别结果及时采取处置措施。
Description
技术领域
本申请涉及飞行器技术领域,更具体地说,涉及一种电机系统的健康诊断方法和装置。
背景技术
飞机、直升机等航空器上的电机系统由电机控制器和被控电机组成,被控电机包括发电机、驱动电机和控制电机等,由于航空器的可靠性要求较高,因此,需要在电机系统发生故障时能够第一时间识别。
发明内容
有鉴于此,本申请提供一种电机系统的健康诊断方法和装置,用于在航空器的电机系统出现故障信息时及时进行识别。
为了实现上述目的,现提出的方案如下:
一种电机系统的健康诊断方法,所述电机系统包括电机控制器和被控的电机,所述健康诊断方法包括:
采集所述电机系统的多种实时参数,所述多种实时参数包括所述电机控制器的状态数据,以及所述电机控制器和所述电机的运行数据;
对所述实时参数进行状态特征和运行特征提取,得到实时特征量;
将所述实时特征量进行状态检测,得到实时状态记录、综合评分数据和历史数据;
根据所述实时状态记录、所述综合评分数据、所述历史数据和所述电机系统的设备参数对所述电机系统进行故障诊断,得到所述电机系统的健康状态数据。
可选的,所述状态数据包括处理器状态、内存状态、逆变器状态和通信接口状态;
所述电机控制器的运行数据包括供电电压、供电电流和处理器温度数据,
所述电机的运行数据包括A相电流、B相电流、C相电流、电机转速和电机温度。
可选的,所述实时特征量包括第一特征信息和第二特征信息,所述对所述实时参数进行状态特征和运行特征提取,得到实时特征量,包括:
提取所述状态数据中的故障信息持续时间和正常信息持续时间,将所述故障信息持续时间和所述正常信息持续时间作为时间信息,将所述状态数据和所述时间信息进行叠加,得到所述第一特征信息;
提取所述运行数据中的最大值、最小值、平均值和方差作为统计信息、提取所述运行数据中的电流数据的频域信息,将所述统计信息和所述频域信息进行叠加,得到所述第二特征信息。
可选的,所述将所述实时特征量进行状态诊断,得到实时状态记录、综合评分数据和历史数据,包括:
将所述特征信息与正常状态下采集的正常特征信息进行对比,将通过对比发现的异常特征信息进行记录,得到所述实时状态信息;
基于预设权重系数对所述实时状态信息进行加权处理,得到所述综合评分数据;
将所述实时状态信息和所述综合评分数据存入存储系统,得到历史数据。
可选的,采集所述电机系统的多种实时参数之后,所述方法还包括:
对所述多种实时参数进行预处理。
可选的,所述对所述多种实时参数进行预处理,包括:
对所述状态数据进行基于时间窗口的状态统计,并基于状态统计剔除其中的非稳态数据,得到所述时间窗口下的稳态数据;
基于预设的阈值对所述运行数据进行数值范围的判断,确定各种运行数据是否在合理范围内,并剔除其中的野点数据。
可选的,所述根据所述实时状态记录、所述综合评分数据、所述历史数据和所述电机系统的设备参数对所述电机系统进行故障诊断,得到所述电机系统的健康状态数据,包括:
如果某一特征数据的历史异常次数超过预设的最大异常次数,并且此时当前所述特征数据为故障状态,则汇报此特征数据故障;
所述特征数据包括处理器状态、供电电压状态、供电电流状态和A/B/C相状态中的部分或全部。
可选的,还包括:
根据所述实时状态记录、所述综合评分数据、所述历史数据和所述设备参数对所述电机系统进行寿命预测,得到所述电机系统的预测寿命。
可选的,还包括:
结合所述健康状态数据和所述预测寿命,给出所述电机系统的状态提示信息,其中,所述状态提示信息包括是否需要对所述电机系统进行维修,所述提示信息对应所述电机系统的哪一项特征数据。
一种电机系统的健康诊断装置,所述电机系统包括电机控制器和被控的电机,所述健康诊断装置包括:
参数采集模块,用于采集所述电机系统的多种实时参数,所述多种实时参数包括所述电机控制器的状态数据,以及所述电机控制器和所述电机的运行数据;
预处理模块,用于多种实时参数进行预处理;
特征提取模块,用于对所述实时参数进行状态特征和运行特征提取,得到实时特征量;
状态检测模块,用于将所述实时特征量进行状态检测,得到实时状态记录、综合评分数据和历史数据;
诊断执行模块,用于根据所述实时状态记录、所述综合评分数据、所述历史数据和所述电机系统的设备参数对所述电机系统进行故障诊断,得到所述电机系统的健康状态数据;
寿命预测模块,用于根据所述实时状态记录、所述综合评分数据、所述历史数据和所述设备参数对所述电机系统进行寿命预测,得到所述电机系统的预测寿命;
健康管理模块,用于结合所述健康状态数据和所述预测寿命,给出所述电机系统的状态提示信息,其中,所述状态提示信息包括是否需要对所述电机系统进行维修,所述提示信息对应所述电机系统的哪一项特征数据。
从上述的技术方案可以看出,本申请公开了一种电机系统的健康诊断方法和装置,具体为采集电机系统的多种实时参数,多种实时参数包括状态数据和运行数据;对实时参数进行特征提取,得到实时特征量;将实时特征量进行处理,得到实时状态记录、综合评分数据和历史数据;根据实时状态记录、综合评分数据、历史数据和电机系统的设备参数对电机系统进行诊断,得到电机系统的健康状态数据。通过上述方案可以实现在电机系统出现故障时及时进行识别运维人员可以根据识别结果及时采取处置措施。
本申请对电机系统进行功能分解,分解出影响电机系统最重要的信息,并对每一种数据进行采集,能够表征电机系统的健康状态。同时的数据进行预处理,对于野点和非稳态数据进行剔除,防止虚警率过高。故障诊断和预测充分考虑了历史数据影响,提升对寿命预测的准确性。健康状态管理则实时进行电机系统进行健康评估,给出飞机是否需要维修的提示和故障的特征数据。能够在电机系统还未故障时提示维修,防止电机系统维修对飞机飞行任务造成影响。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例的一种电机系统的健康诊断方法的流程图;
图2为本申请实施例的另一种电机系统的健康诊断方法的流程图;
图3为本申请实施例的又一种电机系统的健康诊断方法的流程图;
图4为本申请实施例的又一种电机系统的健康诊断方法的流程图;
图5为本申请实施例的电机系统健康管理与寿命预测方法架构图;
图6为本申请实施例的一种电机系统的健康诊断装置的框图。
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作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。
实施例一
图1为本申请实施例的一种电机系统的健康诊断方法的流程图。
如图1所示,本实施例提供的健康诊断方法应用于电机系统的控制装置,用于基于该控制装置对电机系统进行诊断,该电机系统的应用场景包括不限于航空器、船舶或车辆等。该健康诊断方法包括如下步骤:
S101、采集电机系统的多种实时参数。
电机系统包括电机控制器和被控的电机,因此,这里的实时参数包括电机控制器的状态数据和运行数据,还包括电机的运行数据。
本实施例中电机控制器的状态数据包括但不限于处理器状态、内存状态、逆变器状态和通信接口状态;电机控制器的运行数据包括供电电压、供电电流和处理器温度数据;电机的运行数据包括A相电流、B相电流、C相电流、电机转速和电机温度。
S102、对实时参数进行特征提取,得到实时特征量。
本实施例中的实时特征量包括第一特征信息和第二特征信息。本实施例采取如下具体步骤对多种实时参数进行处理:
首先,提取所采集状态数据中的故障信息持续时间和正常信息持续时间,将故障信息持续时间和正常信息持续时间作为时间信息,将状态数据和时间信息进行叠加处理,从而得到该第一特征信息。
然后,提取所采集运行数据中的最大值、最小值、平均值和方差作为统计信息,提取运行数据中电流数据的频域信息(频率和相位),将统计信息和频域信息进行叠加处理,从而得到第二特征信息。
S103、对实时特征量进行状态检测。
即通过对实时特征量的状态检测,得到实时状态记录和综合评分数据,并通过记录当前时刻之前的实时状态记录和综合评分数据,得到历史数据,即这里的历史数据包括本时刻之前所有的实时状态记录和综合评分数据。具体过程如下:
首先,将上述特征信息与当电机系统在正常工作状态时所采集的特征信息进行比对,对于比对异常的状态信息进行记录,得到系统的实时状态记录。这里的特征信息包括上述第一特征信息和第二特征信息。
然后,对每一项实时状态信息乘以权重系数(权重系数根据系统设计评估定,比如母线电流数据占比0.05,母线电压数据占比0.2,相电流数据占比0.2,二次电源数据占比0.05,处理器状态数据占比0.5,每项正常100分,异常60分),然后进行相加,得到综合评分数据。
最后,将得到的实时状态记录和综合评分数据存入存储系统,作为历史数据进行保存。
S104、对电机系统的健康状态进行诊断。
根据上述的实时状态记录、综合评分数据、设备中存储的历史数据以及电机系统的产品参数对当前电机系统进行故障诊断,如果某一特征数据历史异常次数超过电机系统设置的最大异常次数,并且此时当前电机系统此特征数据为故障,则汇报此特征数据故障。从而得到该电机系统的健康状态。其中,特征数据包括处理器状态、供电电压状态,供电电流状态,A/B/C相状态。
从上述技术方案可以看出,本实施例提供了一种电机系统的健康诊断方法,具体为采集电机系统的多种实时参数,多种实时参数包括状态数据和运行数据;对实时参数进行特征提取,得到实时特征量;将实时特征量进行处理,得到实时状态记录、综合评分数据和历史数据;根据实时状态记录、综合评分数据、历史数据和电机系统的设备参数对电机系统进行诊断,得到电机系统的健康状态数据。通过上述方案可以实现在电机系统发生故障时及时进行识别,运维人员可以根据识别结果及时采取处置措施。
实施例二
图2为本申请实施例的另一种电机系统的健康诊断方法的流程图。
如图2所示,本实施例提供的健康诊断方法应用于电机系统的控制装置,用于基于该控制装置对电机系统进行诊断,该电机系统的应用场景包括不限于航空器、船舶或车辆等。该健康诊断方法包括如下步骤:
S201、采集电机系统的多种实时参数。
电机系统包括电机控制器和被控的电机,因此,这里的实时参数包括电机控制器的状态数据和运行数据,还包括电机的运行数据。
S202、对多种实时参数进行预处理。
为了防止虚警率过高,本实施例对前述的多种实时参数进行预处理,以便对野点和非稳态数据进行剔除,具体过程如下:
首先,基于时间窗口对状态数据进行统计处理,统计正常数据的次数和异常数据的次数,并将其中的非稳态数据予以剔除,从而得到时间窗口下的稳态数据,以防止非稳态数据造成故障诊断异常。
然后,基于预设的阈值对运行数据的数据范围进行判断,判断每个运行数据是否超过最大阈值或者低于最小阈值,即通过上述判断确定各种运行数据是否在合理范围内,并剔除由于采集异常造成的野点数据。本申请中的阈值根据电机控制器及其被控电机在实际运行时的经验值确定。
S203、对实时参数进行特征提取,得到实时特征量。
本实施例中与上一实施例中对应部分的内容相同,这里不再赘述。
S204、对实时特征量进行状态检测。
即通过对实时特征量的状态检测,得到实时状态记录和综合评分数据,并通过记录当前时刻之前的实时状态记录和综合评分数据,得到历史数据,即这里的历史数据包括本时刻之前所有的实时状态记录和综合评分数据。
S205、对电机系统的健康状态进行诊断。
根据上述的实时状态记录、综合评分数据、设备中存储的历史数据以及电机系统的产品参数对当前电机系统进行故障诊断,如果某一特征数据历史异常次数超过电机系统设置的最大异常次数,并且此时当前电机系统此特征数据为故障,则汇报此特征数据故障。从而得到该电机系统的健康状态。其中,特征数据包括处理器状态、供电电压状态,供电电流状态,A/B/C相状态。
从上述技术方案可以看出,。相对于上一实施例来说,本实施例通过对多种实时参数的预处理,将野点和非稳态数据予以剔除,能够防止虚警率过高。
施例三
图3为本申请实施例的又一种电机系统的健康诊断方法的流程图。
如图3所示,本实施例提供的健康诊断方法应用于电机系统的控制装置,用于基于该控制装置对电机系统进行诊断,该电机系统的应用场景包括不限于航空器、船舶或车辆等。该健康诊断方法包括如下步骤:
S301、采集电机系统的多种实时参数。
电机系统包括电机控制器和被控的电机,因此,这里的实时参数包括电机控制器的状态数据和运行数据,还包括电机的运行数据。
S302、对多种实时参数进行预处理。
为了防止虚警率过高,本实施例对前述的多种实时参数进行预处理,以便对野点和非稳态数据进行剔除。
S303、对实时参数进行特征提取,得到实时特征量。
本实施例中与上一实施例中对应部分的内容相同,这里不再赘述。
S304、对实时特征量进行状态检测。
即通过对实时特征量的状态检测,得到实时状态记录和综合评分数据,并通过记录当前时刻之前的实时状态记录和综合评分数据,得到历史数据,即这里的历史数据包括本时刻之前所有的实时状态记录和综合评分数据。
S305、对电机系统的健康状态进行诊断。
根据上述的实时状态记录、综合评分数据、设备中存储的历史数据以及电机系统的产品参数对当前电机系统进行故障诊断,如果某一特征数据历史异常次数超过电机系统设置的最大异常次数,并且此时当前电机系统此特征数据为故障,则汇报此特征数据故障。从而得到该电机系统的健康状态。其中,特征数据包括处理器状态、供电电压状态,供电电流状态,A/B/C相状态。
S306、对电机系统进行寿命预测。
即在上述实时状态记录和综合评分数据、设备中存储的历史数据以及电机系统的产品参数确定的情况下,根据上述数据对电机系统进行寿命预测。具体来说,如果某一特征数据单点故障则其对寿命的影响根据产品参数设置其基础权重影响,如果某一特征数据间隔故障则根据其故障次数进行权重叠加,如果某一特征数据持续故障则根据其故障次数进行加倍权重叠加,根据每一项特征数据加权后的分数结果,给出电机系统的寿命预测。
比如电机当前寿命为36000小时,影响其寿命的为10项。每一项异常对齐寿命影响权重系统为0.995。如果每一项都有异常则寿命为36000*0.995*0.995…如果一项连续异常,则其系数0.995变为0.990。每连续一次系数减少一次。由此得到预估的电机系统寿命。其中,各权重的设置采用经验值。
通过对电机系统的寿命预测可以为后续电机系统的更换和维护提供直接的数据参考。
从上述技术方案可以看出,相对于上面的实施例来说,本实施例还能够提供对电机系统的寿命预测,通过对电机系统的寿命预测可以为后续电机系统的更换和维护提供直接的数据参考。
施例四
图4为本申请实施例的又一种电机系统的健康诊断方法的流程图。
如图4所示,本实施例提供的健康诊断方法应用于电机系统的控制装置,用于基于该控制装置对电机系统进行诊断,该电机系统的应用场景包括不限于航空器、船舶或车辆等。该健康诊断方法包括如下步骤:
S401、采集电机系统的多种实时参数。
电机系统包括电机控制器和被控的电机,因此,这里的实时参数包括电机控制器的状态数据和运行数据,还包括电机的运行数据。
S402、对多种实时参数进行预处理。
为了防止虚警率过高,本实施例对前述的多种实时参数进行预处理,以便对野点和非稳态数据进行剔除。
S403、对实时参数进行特征提取,得到实时特征量。
本实施例中与上一实施例中对应部分的内容相同,这里不再赘述。
S404、对实时特征量进行状态检测。
即通过对实时特征量的状态检测,得到实时状态记录和综合评分数据,并通过记录当前时刻之前的实时状态记录和综合评分数据,得到历史数据,即这里的历史数据包括本时刻之前所有的实时状态记录和综合评分数据。
S405、对电机系统的健康状态进行诊断。
根据上述的实时状态记录、综合评分数据、设备中存储的历史数据以及电机系统的产品参数对当前电机系统进行故障诊断,如果某一特征数据历史异常次数超过电机系统设置的最大异常次数,并且此时当前电机系统此特征数据为故障,则汇报此特征数据故障。从而得到该电机系统的健康状态。其中,特征数据包括处理器状态、供电电压状态,供电电流状态,A/B/C相状态。
S406、对电机系统进行寿命预测。
即在上述实时状态记录和综合评分数据、设备中存储的历史数据以及电机系统的产品参数确定的情况下,根据上述数据对电机系统进行寿命预测。具体来说,如果某一特征数据单点故障则其对寿命的影响根据产品参数设置其基础权重影响,如果某一特征数据间隔故障则根据其故障次数进行权重叠加,如果某一特征数据持续故障则根据其故障次数进行加倍权重叠加,根据每一项特征数据加权后的分数结果,给出电机系统的寿命预测。
S407、给出电机系统的健康状态提示信息。
即在结合上述的特征数据故障和电机系统预测寿命的基础上,给出健康状态提示,提示信息包含是否需要对电机系统进行维修,故障信息为电机系统的哪一项特征数据。通过将电机系统的健康状态反馈到故障诊断和预测中进行记录和存储,能够作为重要加权数据,以便进行后续故障诊断和预测使用。
从上述技术方案可以看出,相比于上一实施例来说。本实施例能够基于图5所示的数据处理框架对各种电机系统的各种数据进行处理,不仅能够实现对在电机系统发生故障时及时进行识别,还能够在电机系统还未故障时提示维修,能够防止电机系统维修对运行环境造成影响。
实施例五
图6为本申请实施例的一种电机系统的健康诊断装置的框图。
如图6所示,本实施例提供的健康诊断方法应用于电机系统的控制装置,用于基于该控制装置对电机系统进行诊断,该电机系统的应用场景包括不限于航空器、船舶或车辆等。该健康诊断装置包括参数采集模块10、预处理模块20、特征提取模块30、状态检测模块40、诊断执行模块50、寿命预测模块60和健康管理模块70。
参数采集模块用于采集电机系统的多种实时参数。
电机系统包括电机控制器和被控的电机,因此,这里的实时参数包括电机控制器的状态数据和运行数据,还包括电机的运行数据。
本实施例中电机控制器的状态数据包括但不限于处理器状态、内存状态、逆变器状态和通信接口状态;电机控制器的运行数据包括供电电压、供电电流和处理器温度数据;电机的运行数据包括A相电流、B相电流、C相电流、电机转速和电机温度。
预处理模块用于对多种实时参数进行预处理。
为了防止虚警率过高,本实施例对前述的多种实时参数进行预处理,以便对野点和非稳态数据进行剔除,具体过程如下:
首先,基于时间窗口对状态数据进行统计处理,统计正常数据的次数和异常数据的次数,并将其中的非稳态数据予以剔除,从而得到时间窗口下的稳态数据,以防止非稳态数据造成故障诊断异常。
然后,基于预设的阈值对运行数据的数据范围进行判断,判断每个运行数据是否超过最大阈值或者低于最小阈值,即通过上述判断确定各种运行数据是否在合理范围内,并剔除由于采集异常造成的野点数据。本申请中的阈值根据电机控制器及其被控电机在实际运行时的经验值确定。
特征提取模块用于对实时参数进行特征提取,得到实时特征量。
本实施例中的实时特征量包括第一特征信息和第二特征信息。本实施例采取如下具体步骤对多种实时参数进行处理:
首先,提取所采集状态数据中的故障信息持续时间和正常信息持续时间,将故障信息持续时间和正常信息持续时间作为时间信息,将状态数据和时间信息进行叠加处理,从而得到该第一特征信息。
然后,提取所采集运行数据中的最大值、最小值、平均值和方差作为统计信息,提取运行数据中电流数据的频域信息(频率和相位),将统计信息和频域信息进行叠加处理,从而得到第二特征信息。
状态检测模块用于对实时特征量进行状态检测,得到实时状态记录和综合评分数据。
即通过对实时特征量的状态检测,得到实时状态记录和综合评分数据,并通过记录当前时刻之前的实时状态记录和综合评分数据,得到历史数据,即这里的历史数据包括本时刻之前所有的实时状态记录和综合评分数据。具体过程如下:
首先,将上述特征信息与当电机系统在正常工作状态时所采集的特征信息进行比对,对于比对异常的状态信息进行记录,得到系统的实时状态记录。这里的特征信息包括上述第一特征信息和第二特征信息。
然后,对每一项实时状态信息乘以权重系数(权重系数根据系统设计评估定,比如母线电流数据占比0.05,母线电压数据占比0.2,相电流数据占比0.2,二次电源数据占比0.05,处理器状态数据占比0.5,每项正常100分,异常60分),然后进行相加,得到综合评分数据。
最后,将得到的实时状态记录和综合评分数据存入存储系统,作为历史数据进行保存。
诊断执行模块用于对电机系统的健康状态进行诊断。
根据上述的实时状态记录、综合评分数据、设备中存储的历史数据以及电机系统的产品参数对当前电机系统进行故障诊断,如果某一特征数据历史异常次数超过电机系统设置的最大异常次数,并且此时当前电机系统此特征数据为故障,则汇报此特征数据故障。从而得到该电机系统的健康状态。其中,特征数据包括处理器状态、供电电压状态,供电电流状态,A/B/C相状态。
从上述技术方案可以看出,本实施例提供了一种航空器的电机系统的健康诊断方法,具体为采集电机系统的多种实时参数,多种实时参数包括状态数据和运行数据;对实时参数进行特征提取,得到实时特征量;将实时特征量进行处理,得到实时状态记录、综合评分数据和历史数据;根据实时状态记录、综合评分数据、历史数据和电机系统的设备参数对电机系统进行诊断,得到电机系统的健康状态数据。通过上述方案可以实现在航空器的电机系统发生故障时及时进行识别,航空器上的设备或人员可以根据识别结果及时采取处置措施,避免危及航空器的航行安全。
寿命预测模块用于对电机系统进行寿命预测。
即在上述实时状态记录和综合评分数据、设备中存储的历史数据以及电机系统的产品参数确定的情况下,根据上述数据对电机系统进行寿命预测。具体来说,如果某一特征数据单点故障则其对寿命的影响根据产品参数设置其基础权重影响,如果某一特征数据间隔故障则根据其故障次数进行权重叠加,如果某一特征数据持续故障则根据其故障次数进行加倍权重叠加,根据每一项特征数据加权后的分数结果,给出电机系统的寿命预测。
比如电机当前寿命为36000小时,影响其寿命的为10项。每一项异常对齐寿命影响权重系统为0.995。如果每一项都有异常则寿命为36000*0.995*0.995…如果一项连续异常,则其系数0.995变为0.990。每连续一次系数减少一次。由此得到预估的电机系统寿命。其中,各权重的设置采用经验值。
通过对电机系统的寿命预测可以为后续电机系统的更换和维护提供直接的数据参考。
健康管理模块用于给出电机系统的健康状态提示信息。
即在结合上述的特征数据故障和电机系统预测寿命的基础上,给出健康状态提示,提示信息包含是否需要对电机系统进行维修,故障信息为电机系统的哪一项特征数据。通过将电机系统的健康状态反馈到故障诊断和预测中进行记录和存储,能够作为重要加权数据,以便进行后续故障诊断和预测使用。
本申请提供的健康诊断装置通过对电机系统进行功能分解,分解出影响电机系统最重要的信息,并对每一种数据进行采集,能够表征电机系统的健康状态。同时的数据进行预处理,对于野点和非稳态数据进行剔除,防止虚警率过高。故障诊断和预测充分考虑了历史数据影响,提升对寿命预测的准确性。健康状态管理则实时进行电机系统进行健康评估,给出飞机是否需要维修的提示和故障的特征数据。能够在电机系统还未故障时提示维修,防止电机系统维修对飞机飞行任务造成影响
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白,本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此,本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(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终端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终端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装置。
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终端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装置的制造品,该指令装置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终端设备上,使得在计算机或其他可编程终端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终端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实施例的优选实施例,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实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的技术方案进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种电机系统的健康诊断方法,所述电机系统包括电机控制器和被控的电机,其特征在于,所述健康诊断方法包括:
采集所述电机系统的多种实时参数,所述多种实时参数包括所述电机控制器的状态数据,以及所述电机控制器和所述电机的运行数据;
对所述实时参数进行状态特征和运行特征提取,得到实时特征量;
将所述实时特征量进行状态检测,得到实时状态记录、综合评分数据和历史数据;
根据所述实时状态记录、所述综合评分数据、所述历史数据和所述电机系统的设备参数对所述电机系统进行故障诊断,得到所述电机系统的健康状态数据。
2.如权利要求1所述的诊断方法,其特征在于,所述状态数据包括处理器状态、内存状态、逆变器状态和通信接口状态;
所述电机控制器的运行数据包括供电电压、供电电流和处理器温度数据,
所述电机的运行数据包括A相电流、B相电流、C相电流、电机转速和电机温度。
3.如权利要求1所述的健康诊断方法,其特征在于,所述实时特征量包括第一特征信息和第二特征信息,所述对所述实时参数进行状态特征和运行特征提取,得到实时特征量,包括:
提取所述状态数据中的故障信息持续时间和正常信息持续时间,将所述故障信息持续时间和所述正常信息持续时间作为时间信息,将所述状态数据和所述时间信息进行叠加,得到所述第一特征信息;
提取所述运行数据中的最大值、最小值、平均值和方差作为统计信息、提取所述运行数据中的电流数据的频域信息,将所述统计信息和所述频域信息进行叠加,得到所述第二特征信息。
4.如权利要求1所述的健康诊断方法,其特征在于,所述将所述实时特征量进行状态诊断,得到实时状态记录、综合评分数据和历史数据,包括:
将所述特征信息与正常状态下采集的正常特征信息进行对比,将通过对比发现的异常特征信息进行记录,得到所述实时状态信息;
基于预设权重系数对所述实时状态信息进行加权处理,得到所述综合评分数据;
将所述实时状态信息和所述综合评分数据存入存储系统,得到历史数据。
5.如权利要求1所述的健康诊断方法,其特征在于,采集所述电机系统的多种实时参数之后,所述方法还包括:
对所述多种实时参数进行预处理。
6.如权利要求5所述的健康诊断方法,其特征在于,所述对所述多种实时参数进行预处理,包括:
对所述状态数据进行基于时间窗口的状态统计,并基于状态统计剔除其中的非稳态数据,得到所述时间窗口下的稳态数据;
基于预设的阈值对所述运行数据进行数值范围的判断,确定各种运行数据是否在合理范围内,并剔除其中的野点数据。
7.如权利要求1所述的健康诊断方法,其特征在于,所述根据所述实时状态记录、所述综合评分数据、所述历史数据和所述电机系统的设备参数对所述电机系统进行故障诊断,得到所述电机系统的健康状态数据,包括:
如果某一特征数据的历史异常次数超过预设的最大异常次数,并且此时当前所述特征数据为故障状态,则汇报此特征数据故障;
所述特征数据包括处理器状态、供电电压状态、供电电流状态和A/B/C相状态中的部分或全部。
8.如权利要求1~7任一项所述的健康诊断方法,其特征在于,还包括:
根据所述实时状态记录、所述综合评分数据、所述历史数据和所述设备参数对所述电机系统进行寿命预测,得到所述电机系统的预测寿命。
9.如权利要求8所述的健康诊断方法,其特征在于,还包括:
结合所述健康状态数据和所述预测寿命,给出所述电机系统的状态提示信息,其中,所述状态提示信息包括是否需要对所述电机系统进行维修,所述提示信息对应所述电机系统的哪一项特征数据。
10.一种电机系统的健康诊断装置,所述电机系统包括电机控制器和被控的电机,其特征在于,所述健康诊断装置包括:
参数采集模块,用于采集所述电机系统的多种实时参数,所述多种实时参数包括所述电机控制器的状态数据,以及所述电机控制器和所述电机的运行数据;
预处理模块,用于多种实时参数进行预处理;
特征提取模块,用于对所述实时参数进行状态特征和运行特征提取,得到实时特征量;
状态检测模块,用于将所述实时特征量进行状态检测,得到实时状态记录、综合评分数据和历史数据;
诊断执行模块,用于根据所述实时状态记录、所述综合评分数据、所述历史数据和所述电机系统的设备参数对所述电机系统进行故障诊断,得到所述电机系统的健康状态数据;
寿命预测模块,用于根据所述实时状态记录、所述综合评分数据、所述历史数据和所述设备参数对所述电机系统进行寿命预测,得到所述电机系统的预测寿命;
健康管理模块,用于结合所述健康状态数据和所述预测寿命,给出所述电机系统的状态提示信息,其中,所述状态提示信息包括是否需要对所述电机系统进行维修,所述提示信息对应所述电机系统的哪一项特征数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111414410.7A CN113955149B (zh) | 2021-11-25 | 2021-11-25 | 一种电机系统的健康诊断方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111414410.7A CN113955149B (zh) | 2021-11-25 | 2021-11-25 | 一种电机系统的健康诊断方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113955149A true CN113955149A (zh) | 2022-01-21 |
CN113955149B CN113955149B (zh) | 2023-06-16 |
Family
ID=79472019
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111414410.7A Active CN113955149B (zh) | 2021-11-25 | 2021-11-25 | 一种电机系统的健康诊断方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113955149B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115047335A (zh) * | 2022-05-30 | 2022-09-13 | 三一重型装备有限公司 | 电机的检测方法、装置、可读存储介质和工程机械 |
Citations (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6289735B1 (en) * | 1998-09-29 | 2001-09-18 | Reliance Electric Technologies, Llc | Machine diagnostic system and method for vibration analysis |
CN1918523A (zh) * | 2004-01-23 | 2007-02-21 | 杰斯集团公司 | 用于诊断受限旋转电机系统中的控制器的系统和方法 |
WO2008036921A2 (en) * | 2006-09-21 | 2008-03-27 | Impact Technologies, Llc | Systems and methods for predicting failure of electronic systems and assessing level of degradation and remaining useful life |
KR101035496B1 (ko) * | 2010-08-17 | 2011-05-27 | 주식회사 대덕시스템 | 발전기의 건전성 온-라인 통합 감시 시스템 |
KR20120021251A (ko) * | 2010-08-30 | 2012-03-08 | 제너럴 일렉트릭 캄파니 | 전기 머신의 건강을 감시하기 위한 시스템 및 방법 |
US20120265457A1 (en) * | 2011-04-15 | 2012-10-18 | Donolo Marcos A | Systems and methods for detecting motor rotor faults |
CN104459537A (zh) * | 2014-11-11 | 2015-03-25 | 奇瑞汽车股份有限公司 | 一种电动汽车驱动电机健康度监测诊断方法 |
CN104533730A (zh) * | 2015-01-13 | 2015-04-22 | 冀文举 | 一种风力发电机组状态监测系统 |
CN103995229B (zh) * | 2014-05-21 | 2016-06-22 | 浙江工业大学 | 一种基于特征选取和马氏距离的电机健康监测和异常诊断方法 |
CN106842031A (zh) * | 2017-04-20 | 2017-06-13 | 哈尔滨理工大学 | 集成式电机智能化大数据在线监测装置 |
CN206710565U (zh) * | 2017-04-20 | 2017-12-05 | 哈尔滨理工大学 | 智能电机集成式多参数融合健康诊断及预警系统 |
CN109298346A (zh) * | 2018-10-09 | 2019-02-01 | 浙江大学 | 一种新能源汽车三电系统健康状态在线诊断系统和诊断方法 |
CN109298347A (zh) * | 2018-10-09 | 2019-02-01 | 浙江大学 | 一种新能源汽车三电系统健康管理试验台和方法 |
CN109444575A (zh) * | 2018-10-23 | 2019-03-08 | 长兴昇阳科技有限公司 | 电机拖动系统运行健康状态评估系统及方法 |
WO2019049188A1 (ja) * | 2017-09-05 | 2019-03-14 | 株式会社日立製作所 | 交流電動機の監視装置および監視方法、ならびに電動機駆動システムの監視装置および監視方法 |
US20190258945A1 (en) * | 2018-02-22 | 2019-08-22 | Fanuc Corporation | Fault diagnosis apparatus and machine learning device |
CN110187275A (zh) * | 2019-06-06 | 2019-08-30 | 中车株洲电力机车研究所有限公司 | 一种永磁电机健康状态检测方法及系统 |
CN110597235A (zh) * | 2019-10-10 | 2019-12-20 | 苏州知因扬鼎智能科技有限公司 | 一种通用智能故障诊断方法 |
US20200007011A1 (en) * | 2018-06-29 | 2020-01-02 | Biffi Italia S.R.L. | Methods and apparatus for determining health status of electric actuators based on torque trend data |
CN111262757A (zh) * | 2020-01-21 | 2020-06-09 | 深圳市雷赛软件技术有限公司 | 网络诊断参数显示方法、装置、电机驱动器、系统及介质 |
CN111381161A (zh) * | 2018-12-29 | 2020-07-07 | 中国葛洲坝集团装备工业有限公司 | 一种发电机组远程在线健康状态诊断方法 |
CN111812427A (zh) * | 2020-05-29 | 2020-10-23 | 中电普瑞电力工程有限公司 | 一种电力电子装置的健康状态评估方法及系统 |
CN112285551A (zh) * | 2020-11-19 | 2021-01-29 | 特变电工衡阳变压器有限公司 | 有载分接开关在线监测方法、装置和系统 |
CN112580153A (zh) * | 2020-12-29 | 2021-03-30 | 成都运达科技股份有限公司 | 一种车辆走行部监测部件健康状态管理系统及方法 |
CN112763908A (zh) * | 2020-12-25 | 2021-05-07 | 中国机械设备工程股份有限公司 | 一种基于多故障特征联合的电机健康指数评价系统 |
US20210286007A1 (en) * | 2018-07-12 | 2021-09-16 | Siemens Gamesa Renewable Energy A/S | Structure health monitoring of the stator of an electrical generator |
CN113570231A (zh) * | 2021-07-22 | 2021-10-29 | 浙江幸福航天科技有限公司 | 一种电站健康管理系统 |
-
2021
- 2021-11-25 CN CN202111414410.7A patent/CN113955149B/zh active Active
Patent Citations (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6289735B1 (en) * | 1998-09-29 | 2001-09-18 | Reliance Electric Technologies, Llc | Machine diagnostic system and method for vibration analysis |
CN1918523A (zh) * | 2004-01-23 | 2007-02-21 | 杰斯集团公司 | 用于诊断受限旋转电机系统中的控制器的系统和方法 |
WO2008036921A2 (en) * | 2006-09-21 | 2008-03-27 | Impact Technologies, Llc | Systems and methods for predicting failure of electronic systems and assessing level of degradation and remaining useful life |
KR101035496B1 (ko) * | 2010-08-17 | 2011-05-27 | 주식회사 대덕시스템 | 발전기의 건전성 온-라인 통합 감시 시스템 |
KR20120021251A (ko) * | 2010-08-30 | 2012-03-08 | 제너럴 일렉트릭 캄파니 | 전기 머신의 건강을 감시하기 위한 시스템 및 방법 |
US20120265457A1 (en) * | 2011-04-15 | 2012-10-18 | Donolo Marcos A | Systems and methods for detecting motor rotor faults |
CN103995229B (zh) * | 2014-05-21 | 2016-06-22 | 浙江工业大学 | 一种基于特征选取和马氏距离的电机健康监测和异常诊断方法 |
CN104459537A (zh) * | 2014-11-11 | 2015-03-25 | 奇瑞汽车股份有限公司 | 一种电动汽车驱动电机健康度监测诊断方法 |
CN104533730A (zh) * | 2015-01-13 | 2015-04-22 | 冀文举 | 一种风力发电机组状态监测系统 |
CN106842031A (zh) * | 2017-04-20 | 2017-06-13 | 哈尔滨理工大学 | 集成式电机智能化大数据在线监测装置 |
CN206710565U (zh) * | 2017-04-20 | 2017-12-05 | 哈尔滨理工大学 | 智能电机集成式多参数融合健康诊断及预警系统 |
WO2019049188A1 (ja) * | 2017-09-05 | 2019-03-14 | 株式会社日立製作所 | 交流電動機の監視装置および監視方法、ならびに電動機駆動システムの監視装置および監視方法 |
US20190258945A1 (en) * | 2018-02-22 | 2019-08-22 | Fanuc Corporation | Fault diagnosis apparatus and machine learning device |
US20200007011A1 (en) * | 2018-06-29 | 2020-01-02 | Biffi Italia S.R.L. | Methods and apparatus for determining health status of electric actuators based on torque trend data |
US20210286007A1 (en) * | 2018-07-12 | 2021-09-16 | Siemens Gamesa Renewable Energy A/S | Structure health monitoring of the stator of an electrical generator |
CN109298347A (zh) * | 2018-10-09 | 2019-02-01 | 浙江大学 | 一种新能源汽车三电系统健康管理试验台和方法 |
CN109298346A (zh) * | 2018-10-09 | 2019-02-01 | 浙江大学 | 一种新能源汽车三电系统健康状态在线诊断系统和诊断方法 |
CN109444575A (zh) * | 2018-10-23 | 2019-03-08 | 长兴昇阳科技有限公司 | 电机拖动系统运行健康状态评估系统及方法 |
CN111381161A (zh) * | 2018-12-29 | 2020-07-07 | 中国葛洲坝集团装备工业有限公司 | 一种发电机组远程在线健康状态诊断方法 |
CN110187275A (zh) * | 2019-06-06 | 2019-08-30 | 中车株洲电力机车研究所有限公司 | 一种永磁电机健康状态检测方法及系统 |
CN110597235A (zh) * | 2019-10-10 | 2019-12-20 | 苏州知因扬鼎智能科技有限公司 | 一种通用智能故障诊断方法 |
CN111262757A (zh) * | 2020-01-21 | 2020-06-09 | 深圳市雷赛软件技术有限公司 | 网络诊断参数显示方法、装置、电机驱动器、系统及介质 |
CN111812427A (zh) * | 2020-05-29 | 2020-10-23 | 中电普瑞电力工程有限公司 | 一种电力电子装置的健康状态评估方法及系统 |
CN112285551A (zh) * | 2020-11-19 | 2021-01-29 | 特变电工衡阳变压器有限公司 | 有载分接开关在线监测方法、装置和系统 |
CN112763908A (zh) * | 2020-12-25 | 2021-05-07 | 中国机械设备工程股份有限公司 | 一种基于多故障特征联合的电机健康指数评价系统 |
CN112580153A (zh) * | 2020-12-29 | 2021-03-30 | 成都运达科技股份有限公司 | 一种车辆走行部监测部件健康状态管理系统及方法 |
CN113570231A (zh) * | 2021-07-22 | 2021-10-29 | 浙江幸福航天科技有限公司 | 一种电站健康管理系统 |
Non-Patent Citations (1)
Title |
---|
田娜; 季小尹: "水下航行器推进用电机的健康监测技术研究", 《测控技术》, vol. 30, no. 1 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115047335A (zh) * | 2022-05-30 | 2022-09-13 | 三一重型装备有限公司 | 电机的检测方法、装置、可读存储介质和工程机械 |
Also Published As
Publication number | Publication date |
---|---|
CN113955149B (zh) | 2023-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109524139B (zh) | 一种基于设备工况变化的实时设备性能监测方法 | |
EP3105644B1 (en) | Method of identifying anomalies | |
EP2950177A1 (en) | Asset condition monitoring | |
EP2174197B1 (en) | System and method for predictive maintenance of a battery assembly using temporal signal processing | |
CN106372735B (zh) | 一种继电保护状态评估方法 | |
CN111204363B (zh) | 一种牵引系统故障诊断预警和状态评估方法、装置及系统 | |
CN109886475B (zh) | 基于ai的计量自动化系统的信息安全态势感知系统 | |
CN112561736A (zh) | 智能变电站继电器保护装置故障诊断系统和方法 | |
CN113658414B (zh) | 矿场设备故障预警方法、装置、终端设备及存储介质 | |
CN112036505A (zh) | 道岔转辙机的设备状态确定方法、装置和电子设备 | |
EP3355313B1 (en) | Abnormality diagnosis system | |
CN111262750B (zh) | 一种用于评估基线模型的方法及系统 | |
CN110469461B (zh) | 一种风机齿带的断裂预估方法、其装置及可读存储介质 | |
CN115712268A (zh) | 一种电子产品辅料自动贴合装置用故障预警系统 | |
CN116316613B (zh) | 电力设备运行监测方法、系统、电子设备及存储介质 | |
CN111222702A (zh) | 一种调控系统运行变化趋势预测方法和系统 | |
CN114061743A (zh) | 风力发电机组的振动监测方法、装置、设备及介质 | |
EP3187950A1 (en) | A method for managing alarms in a control system | |
CN113955149B (zh) | 一种电机系统的健康诊断方法和装置 | |
CN116308300A (zh) | 一种电力设备状态监测评价与指挥方法及系统 | |
CN117347869A (zh) | 储能电池管理系统数据分析方法、装置、电子设备及介质 | |
CN112524077A (zh) | 检测风机故障的方法及装置、系统 | |
CN115169650B (zh) | 一种大数据分析的装备健康预测方法 | |
CN115447439A (zh) | 基于电池温度的充电安全预警方法、系统、设备及介质 | |
CN112966785B (zh) | 一种智能化星座状态识别方法和系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |