CN114337469B - 一种层流辊道电机故障检测方法、系统、介质及电子终端 - Google Patents
一种层流辊道电机故障检测方法、系统、介质及电子终端 Download PDFInfo
- Publication number
- CN114337469B CN114337469B CN202111671280.5A CN202111671280A CN114337469B CN 114337469 B CN114337469 B CN 114337469B CN 202111671280 A CN202111671280 A CN 202111671280A CN 114337469 B CN114337469 B CN 114337469B
- Authority
- CN
- China
- Prior art keywords
- data
- quartile
- motor
- current data
- value
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 136
- 230000002159 abnormal effect Effects 0.000 claims abstract description 94
- 238000007781 pre-processing Methods 0.000 claims abstract description 55
- 238000012545 processing Methods 0.000 claims abstract description 40
- 230000005856 abnormality Effects 0.000 claims abstract description 32
- 238000004590 computer program Methods 0.000 claims description 14
- 238000000034 method Methods 0.000 claims description 14
- 238000012163 sequencing technique Methods 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 6
- 230000004931 aggregating effect Effects 0.000 claims description 5
- 230000001174 ascending effect Effects 0.000 claims description 4
- 230000035772 mutation Effects 0.000 claims description 4
- 238000011897 real-time detection Methods 0.000 abstract description 4
- 230000008859 change Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 229910000831 Steel Inorganic materials 0.000 description 4
- 239000010959 steel Substances 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000498 cooling water Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000004519 grease Substances 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 238000005098 hot rolling Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 230000001050 lubricating effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000012466 permeate Substances 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Control Of Electric Motors In General (AREA)
Abstract
本发明提供一种层流辊道电机故障检测方法、系统、介质及电子终端，方法包括：获取层流辊道的电机的原始电流数据；对所述原始电流数据进行预处理，获取预处理数据，所述预处理的步骤包括：对电流数据进行一次差分处理；将所述预处理数据输入预设的异常检测模型进行异常检测，获取检测结果；根据所述检测结果，对电机的异常次数进行累加，获取电机的总异常次数；根据所述总异常次数，进行警示，完成层流辊道电机故障检测；本发明中的层流辊道电机故障检测方法、系统、介质及电子终端，较好地实现了对层流辊道的电机的故障的实时检测，检测效率较高，检测精确度较高，避免出现电机故障为企业带来不必要的损失，可实施性较强。
Description
技术领域
本发明涉及电子领域，尤其涉及一种层流辊道电机故障检测方法、系统、介质及电子终端。
背景技术
热轧层流辊道位于精轧机与卷取机中间，其主要作用是把精轧出来的带钢送到卷取机，同时带钢在层流辊道上运输时，辊道上方会持续喷出冷却水为带钢降温。层流辊道一般总长百余米，具有数百根辊子。数百根辊子由若干个控制器控制，每个控制器控制多个电机，进而控制一组辊道的运转，一组辊道约有10～30根辊子不等。由于层流辊道的工作环境水汽大，温度高，使辊道容易过热、润滑脂流失，经常会出现水汽渗入电机，造成电机接地、电机绝缘低、电机卡死等故障，会进一步导致带钢有划痕，严重影响产品质量。
目前，对于电机的监控，通常安排人工肉眼对显示界面上电机的电流进行监测，当发现电流异常变化时，人工报警。然而，由于辊道有多个电机，数据量巨大，且某些异常导致的电流变化也很难用肉眼发现，人工仍然很难及时发现电机故障。
发明内容
本发明提供一种层流辊道电机故障检测方法、系统、介质及电子终端，以解决现有技术中较难对层流辊道的电机进行实时故障检测，检测效率较低，以及故障发现率较低的问题。
本发明提供的层流辊道电机故障检测方法，包括：
获取层流辊道的电机的原始电流数据；
对所述原始电流数据进行预处理，获取预处理数据，所述预处理的步骤包括：对电流数据进行一次差分处理；
将所述预处理数据输入预设的异常检测模型进行异常检测，获取检测结果；
根据所述检测结果，对电机的异常次数进行累加，获取电机的总异常次数；
根据所述总异常次数，进行警示，完成层流辊道电机故障检测。
可选的，获取层流辊道的电机的原始电流数据的步骤包括：
根据预设的固定时间窗，获取固定时间区间内的电机的原始电流数据；
所述原始电流数据为同一控制器控制的全部电机的电流数据，完成对层流辊道的电机的原始电流数据的获取。
可选的，所述预处理的步骤还包括：
获取电机编号；
对所述原始电流数据按照所述电机编号和时间进行聚合，获取聚合电流数据；
按照时间顺序，对所述聚合电流数据进行升序或降序排序，获取排序电流数据；
对所述排序电流数据进行异常点处理，获取无异常电流数据；
对所述无异常电流数据进行一次差分处理，获取差分数据，并对差分数据进行补零值，获取差分电流数据；
按照预设的组合规则，对所述原始电流数据和差分电流数据进行拼接与组合，获取所述预处理数据。
可选的，对所述排序电流数据进行异常点处理的步骤包括：
去除所述排序电流数据中相邻电流值中出现量级突变的异常点；
利用所述异常点的相邻电流值的平均值替代所述异常点处的电流值，完成对所述排序电流数据的异常点处理。
可选的，将所述预处理数据输入预设的异常检测模型进行异常检测的步骤包括：
预先设置邻近值参数；
根据所述邻近值参数，获取所述预处理数据中每个数据的一个或多个邻近值数据，所述邻近值数据的数量与所述邻近值参数相同；
获取所述预处理数据中每个数据与其对应的邻近值数据的欧式距离；
将预处理数据中每个数据与其临近值数据的欧式距离中的最大值作为决策分数，所述决策分数与预处理数据中的数据一一对应，获取决策分数集；
根据所述决策分数集，进行异常检测。
可选的，根据所述决策分数集，进行异常检测的步骤包括：
获取所述决策分数集中的决策分数的四分位数，所述四分位数包括：第一四分位数、第二四分位数和第三四分位数；
获取所述第三四分位数与所述第一四分位数之间的差值，将所述差值作为四分位距；
根据所述第一四分位数、第三四分位数、四分位距和预设的判定规则，判断所述决策数据集中的决策分数是否异常，获取所述检测结果。
可选的，根据所述第一四分位数、第三四分位数、四分位距和预设的判定规则，判断所述决策数据集中的决策分数是否异常的步骤包括：
获取所述第一四分位数与三倍的四分位距之间的差值，作为第一判断值；
并且，获取所述第三四分位数与三倍的四分位距之间的和值，作为第二判断值；
判断所述决策数据集中的决策分数是否小于所述第一判断值，或者，大于所述第二判断值；
若所述决策分数小于第一判断值或大于第二判断值，则判定所述决策分数对应的电机出现异常，完成所述检测结果的获取。
本发明还提供一种层流辊道电机故障检测系统，包括：
原始电流数据获取模块，用于获取层流辊道的电机的原始电流数据；
预处理模块，用于对所述原始电流数据进行预处理，获取预处理数据，所述预处理的步骤包括：对电流数据进行一次差分处理；
处理模块，用于将所述预处理数据输入预设的异常检测模型进行异常检测，获取检测结果；根据所述检测结果，对电机的异常次数进行累加，获取电机的总异常次数；根据所述总异常次数，进行警示，完成层流辊道电机故障检测；
所述原始电流获取模块、预处理模块和处理模块连接。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述方法。
本发明还提供一种电子终端，包括：处理器及存储器；
所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行如上述任一项所述方法。
本发明的有益效果：本发明中的层流辊道电机故障检测方法、系统、介质及电子终端，通过获取层流辊道的电机的原始电流数据；对所述原始电流数据进行预处理，获取预处理数据，所述预处理的步骤包括：对电流数据进行一次差分处理；将所述预处理数据输入预设的异常检测模型进行异常检测，获取检测结果；根据所述检测结果，对电机的异常次数进行累加，获取电机的总异常次数；根据所述总异常次数，进行警示，完成层流辊道电机故障检测，较好地实现了对层流辊道的电机的故障的实时检测，检测效率较高，检测精确度较高，避免出现电机故障为企业带来不必要的损失。
附图说明
图1是本发明实施例中层流辊道电机故障检测方法的流程示意图。
图2是本发明实施例中层流辊道电机故障检测方法中获取层流辊道的电机的原始电流数据的流程示意图。
图3是本发明实施例中层流辊道电机故障检测方法中对原始电流数据进行预处理的流程示意图。
图4是本发明实施例中层流辊道电机故障检测方法中对预处理数据进行异常检测的流程示意图。
图5是本发明实施例中层流辊道电机故障检测系统的结构示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
发明人发现，目前，对于层流辊道的电机的监控，通常安排人工肉眼对显示界面上电机的电流进行监测，当发现电流异常变化时，人工报警。然而，由于辊道有多个电机，数据量巨大，且某些异常导致的电流变化也很难用肉眼发现，人工仍然很难及时发现电机故障，一旦出现非计划故障停机，会对企业生产造成直接经济影响，造成不必要的损失。因此，发明人提出一种层流辊道电机故障检测方法、系统、介质及电子终端，通过获取层流辊道的电机的原始电流数据；对所述原始电流数据进行预处理，获取预处理数据，所述预处理的步骤包括：对电流数据进行一次差分处理；将所述预处理数据输入预设的异常检测模型进行异常检测，获取检测结果；根据所述检测结果，对电机的异常次数进行累加，获取电机的总异常次数；并根据所述总异常次数，进行警示，完成层流辊道电机故障检测，较好地实现了对层流辊道的电机的故障的实时检测，检测效率较高，检测精确度较高，避免出现电机故障为企业带来不必要的损失，成本较低，可实施性较高，稳定性较强。
如图1所示，本实施例中的层流辊道电机故障检测方法，包括：
S101：获取层流辊道的电机的原始电流数据。通过获取层流辊道的电机的原始电流数据，便于后续根据所述原始电流数据，判断电机是否发生故障。其中，所述原始电流数据为固定时间段内同一控制器控制的电机组的电流数据。
S102：对所述原始电流数据进行预处理，获取预处理数据，所述预处理的步骤包括：对电流数据进行一次差分处理。通过对原始电流数据进行预处理，简化后续对电流数据的分析难度，提高对层流辊道电机是否发生故障的判断精确度。通过对电流数据进行一次差分处理，并对差分后的数据进行补零值操作，再将补零值后的数据与原始电流数据进行拼接与组合，能够获取较完整的数据，用于电机故障检测与判断，以此提高后续电机故障检测的精确度。
S103：将所述预处理数据输入预设的异常检测模型进行异常检测，获取检测结果。通过将预处理数据输入所述异常检测模型进行异常检测，能够较好地提高对层流辊道的电机异常检测的精确度。
S104：根据所述检测结果，对电机的异常次数进行累加，获取电机的总异常次数。即若检测结果为电机异常，则对该电机的异常次数累加一次，进而获取电机的总异常次数。所述总异常次数的获取方式可以为，对预设时间段内的多个固定时间窗的电流数据的检测结果进行累加，进而获取所述所述总异常次数，所述预设时间段可以根据实际情况进行设置，此处不再赘述。
S105：根据所述总异常次数，进行警示，完成层流辊道电机故障检测。例如：若所述总异常次数超出预设的异常次数阈值，则发出警示，可以采用声光报警器或蜂鸣器等设备进行报警，也可以在关联终端，如手机、电脑等终端设备上对故障信息进行显示，便于后续维护人员进行查看与维护。或者，还可以对每个电机的总异常次数进行排序，将排序列表发送至关联终端进行实时展示，实现对电机的总异常次数的实时监控，提高对层流辊道的电机的故障检测效率，精确度较高，实施较方便，成本较低，自动化程度较高。
如图2所示，为了便于对获取的原始电流数据进行处理与分析，发明人提出，获取层流辊道的电机的原始电流数据的步骤包括：
S201：根据预设的固定时间窗，获取固定时间区间内的电机的原始电流数据，所述原始电流数据为同一控制器控制的全部电机的电流数据，完成对层流辊道的电机的原始电流数据的获取。基于一个控制器通常控制多个电机的特性，通过采集同一个控制器控制的全部电机的固定时间段内的电流数据作为原始电流数据，能够便于后续异常检测过程中对设备的区分，也能够在一定程度上提高对层流辊道电机的故障检测的精确度，便于实施，避免出现数据重复。
如图3所示，为了降低后续对电机电流故障判断的难度，提高后续电机故障检测的精确度，发明人提出，所述预处理的步骤还包括：
S301：获取电机编号。所述电机编号可以为电机的设备号等。
S302：对所述原始电流数据按照所述电机编号和时间进行聚合，获取聚合电流数据。即通过将原始电流数据按照电机编号和时间进行聚合，能够获取每台电机在固定时间段内每秒的电流值。
S303：按照时间顺序，对所述聚合电流数据进行升序或降序排序，获取排序电流数据。通过对聚合电流数据进行排序，能够便于后续进行异常判断。
S304：对所述排序电流数据进行异常点处理，获取无异常电流数据。通过对排序电流数据进行异常点处理，能够提高后续对层流辊道电机异常检测的精确度，避免出现检测偏差。
S305：对所述无异常电流数据进行一次差分处理，获取差分数据，并对差分数据进行补零值，获取差分电流数据。通过对无异常电流数据进行一次差分处理，并将处理后的差分数据进行补零值操作，可以得到数据长度为固定时间窗的数据集，即差分电流数据。补零值指在差分数据头部或尾部添加一个零，从而得到数据长度为固定时间窗的数据集。
S306：按照预设的组合规则，对所述原始电流数据和差分电流数据进行拼接与组合，获取所述预处理数据。通过对原始电流数据和差分电流数据进行拼接和组合，能够丰富层流辊道电机异常检测的待检测数据，得到数据长度为两个固定时间窗的预处理数据，有助于提高对层流辊道电机故障检测的精确度。
在一些实施例中，对所述排序电流数据进行异常点处理的步骤包括：
S3041：去除所述排序电流数据中相邻电流值中出现量级突变的异常点。例如：当相邻两个电流值出现了两个量级上的差距，那么，则将出现量级突变的电流值作为异常点，并去除所述异常点。
S3042：利用所述异常点的相邻电流值的平均值替代所述异常点处的电流值，完成对所述排序电流数据的异常点处理。
如图4所示，为了实现对层流辊道电机故障的精准判断，发明人提出，将所述预处理数据输入预设的异常检测模型进行异常检测的步骤包括：
S401：预先设置邻近值参数。所述邻近值参数用于限制后续选取的邻近值数据的数量。
S402：根据所述邻近值参数，获取所述预处理数据中每个数据的一个或多个邻近值数据，所述邻近值数据的数量与所述邻近值参数相同。例如：当临近值参数为4时，则在预处理数据中选取与当前数据距离最近的4个数据作为邻近值数据。
S403：获取所述预处理数据中每个数据与其对应的邻近值数据的欧式距离。即获取预处理数据中每个数据与它的邻近值数据之间的欧式距离。
S404：将预处理数据中每个数据与其临近值数据的欧式距离中的最大值作为决策分数，所述决策分数与预处理数据中的数据一一对应，获取决策分数集，所述决策数据集包括多个决策分数。例如：若当前数据与4个邻近值数据的欧式距离分别为0.5、0.6、0.3、0.2，则将0.6作为当前数据的决策分数。
S405：获取所述决策分数集中的决策分数的四分位数，所述四分位数包括：第一四分位数、第二四分位数和第三四分位数。四分位数的获取方式即利用三个点将所有数值分为四个部分，将这三个点依次作为第一四分位数据、第二四分位数和第三四分位数。
S406：获取所述第三四分位数与所述第一四分位数之间的差值，将所述差值作为四分位距。即利用第三四分位数减去第一四分位数，获取四分位距。
S407：根据所述第一四分位数、第三四分位数、四分位距和预设的判定规则，判断所述决策数据集中的决策分数是否异常，获取所述检测结果。通过上述判定，能够获取较精准的监测结果，精确度较高，成本较低，实施较方便。
在一些实施例中，根据所述第一四分位数、第三四分位数、四分位距和预设的判定规则，判断所述决策数据集中的决策分数是否异常的步骤包括：
S4071：获取所述第一四分位数与三倍的四分位距之间的差值，作为第一判断值。即利用第一四分位数减去三倍的四分位距，获取第一判断值。
S4072：并且，获取所述第三四分位数与三倍的四分位距之间的和值，作为第二判断值。即利用第三四分位数加上三倍的四分位距，获取第二判断值。
S4073：判断所述决策数据集中的决策分数是否小于所述第一判断值，或者，大于所述第二判断值。
S4074：若所述决策分数小于第一判断值或大于第二判断值，则判定所述决策分数对应的电机出现异常，完成所述检测结果的获取。例如：若所述决策分数小于第一判断值或大于第二判断值，则在对应的决策分数上添加故障标签，若所述决策分数大于等于第一判断值或大于等于第二判断值，则在对应的决策分数上添加正常标签，进而获取检测结果。通过上述步骤，能够较好地实现对层流辊道的电机的异常检测，进而对电机的异常次数进行累加，实现对电机的故障检测与监控，可以了解的，若电机的总异常次数越大，则出现故障的可能性则越高。
如图5所示，本实施例还提供一种层流辊道电机故障检测系统，包括：
原始电流数据获取模块，用于获取层流辊道的电机的原始电流数据；
预处理模块，用于对所述原始电流数据进行预处理，获取预处理数据，所述预处理的步骤包括：对电流数据进行一次差分处理；
处理模块，用于将所述预处理数据输入预设的异常检测模型进行异常检测，获取检测结果；根据所述检测结果，对电机的异常次数进行累加，获取电机的总异常次数；根据所述总异常次数，进行警示，完成层流辊道电机故障检测；
所述原始电流获取模块、预处理模块和处理模块连接。本实施例中的层流辊道电机故障检测系统，通过获取层流辊道的电机的原始电流数据；对原始电流数据进行预处理，获取预处理数据，预处理的步骤包括：对电流数据进行一次差分处理；将所述预处理数据输入预设的异常检测模型进行异常检测，获取检测结果；根据检测结果，对电机的异常次数进行累加，获取电机的总异常次数；并根据总异常次数，进行警示，完成层流辊道电机故障检测，较好地实现了对层流辊道的电机的故障的实时检测，检测效率较高，检测精确度较高，避免出现电机故障为企业带来不必要的损失，成本较低，可实施性较高，稳定性较强，自动化程度较高。
在一些实施例中，所述原始电流数据获取模块获取层流辊道的电机的原始电流数据的步骤包括：
根据预设的固定时间窗，获取固定时间区间内的电机的原始电流数据；
所述原始电流数据为同一控制器控制的全部电机的电流数据，完成对层流辊道的电机的原始电流数据的获取。
在一些实施例中，所述预处理模块进行预处理的步骤还包括：
获取电机编号；
对所述原始电流数据按照所述电机编号和时间进行聚合，获取聚合电流数据；
按照时间顺序，对所述聚合电流数据进行升序或降序排序，获取排序电流数据；
对所述排序电流数据进行异常点处理，获取无异常电流数据；
对所述无异常电流数据进行一次差分处理，获取差分数据，并对差分数据进行补零值，获取差分电流数据；
按照预设的组合规则，对所述原始电流数据和差分电流数据进行拼接与组合，获取所述预处理数据。
在一些实施例中，对所述排序电流数据进行异常点处理的步骤包括：
去除所述排序电流数据中相邻电流值中出现量级突变的异常点；
利用所述异常点的相邻电流值的平均值替代所述异常点处的电流值，完成对所述排序电流数据的异常点处理。
在一些实施例中，所述处理模块将所述预处理数据输入预设的异常检测模型进行异常检测的步骤包括：
预先设置邻近值参数；
根据所述邻近值参数，获取所述预处理数据中每个数据的一个或多个邻近值数据，所述邻近值数据的数量与所述邻近值参数相同；
获取所述预处理数据中每个数据与其对应的邻近值数据的欧式距离；
将预处理数据中每个数据与其临近值数据的欧式距离中的最大值作为决策分数，所述决策分数与预处理数据中的数据一一对应，获取决策分数集；
根据所述决策分数集，进行异常检测。
在一些实施例中，根据所述决策分数集，进行异常检测的步骤包括：
获取所述决策分数集中的决策分数的四分位数，所述四分位数包括：第一四分位数、第二四分位数和第三四分位数；
获取所述第三四分位数与所述第一四分位数之间的差值，将所述差值作为四分位距；
根据所述第一四分位数、第三四分位数、四分位距和预设的判定规则，判断所述决策数据集中的决策分数是否异常，获取所述检测结果。
在一些实施例中，根据所述第一四分位数、第三四分位数、四分位距和预设的判定规则，判断所述决策数据集中的决策分数是否异常的步骤包括：
获取所述第一四分位数与三倍的四分位距之间的差值，作为第一判断值；
并且，获取所述第三四分位数与三倍的四分位距之间的和值，作为第二判断值；
判断所述决策数据集中的决策分数是否小于所述第一判断值，或者，大于所述第二判断值；
若所述决策分数小于第一判断值或大于第二判断值，则判定所述决策分数对应的电机出现异常，完成所述检测结果的获取。
本实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本实施例中的任一项方法。
本实施例还提供一种电子终端，包括：处理器及存储器；
所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行本实施例中任一项方法。
本实施例中的计算机可读存储介质，本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
本实施例提供的电子终端，包括处理器、存储器、收发器和通信接口，存储器和通信接口与处理器和收发器连接并完成相互间的通信，存储器用于存储计算机程序，通信接口用于进行通信，处理器和收发器用于运行计算机程序，使电子终端执行如上方法的各个步骤。
在本实施例中，存储器可能包含随机存取存储器(Random Access Memory，简称RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。
Claims (7)
1.一种层流辊道电机故障检测方法，其特征在于，包括：
获取层流辊道的电机的原始电流数据；
对所述原始电流数据进行预处理，获取预处理数据，所述预处理的步骤包括：对电流数据进行一次差分处理；
将所述预处理数据输入预设的异常检测模型进行异常检测，获取检测结果；
根据所述检测结果，对电机的异常次数进行累加，获取电机的总异常次数；
根据所述总异常次数，进行警示，完成层流辊道电机故障检测；
将所述预处理数据输入预设的异常检测模型进行异常检测的步骤包括：
预先设置邻近值参数；
根据所述邻近值参数，获取所述预处理数据中每个数据的一个或多个邻近值数据，所述邻近值数据的数量与所述邻近值参数相同；
获取所述预处理数据中每个数据与其对应的邻近值数据的欧式距离；
将预处理数据中每个数据与其临近值数据的欧式距离中的最大值作为决策分数，所述决策分数与预处理数据中的数据一一对应，获取决策分数集；
根据所述决策分数集，进行异常检测；
根据所述决策分数集，进行异常检测的步骤包括：
获取所述决策分数集中的决策分数的四分位数，所述四分位数包括：第一四分位数、第二四分位数和第三四分位数；
获取所述第三四分位数与所述第一四分位数之间的差值，将所述差值作为四分位距；
根据所述第一四分位数、第三四分位数、四分位距和预设的判定规则，判断所述决策分数集中的决策分数是否异常，获取所述检测结果；
根据所述第一四分位数、第三四分位数、四分位距和预设的判定规则，判断所述决策分数集中的决策分数是否异常的步骤包括：
获取所述第一四分位数与三倍的四分位距之间的差值，作为第一判断值；
并且，获取所述第三四分位数与三倍的四分位距之间的和值，作为第二判断值；
判断所述决策分数集中的决策分数是否小于所述第一判断值，或者，大于所述第二判断值；
若所述决策分数小于第一判断值或大于第二判断值，则判定所述决策分数对应的电机出现异常，完成所述检测结果的获取。
2.根据权利要求1所述的层流辊道电机故障检测方法，其特征在于，获取层流辊道的电机的原始电流数据的步骤包括：
根据预设的固定时间窗，获取固定时间区间内的电机的原始电流数据；
所述原始电流数据为同一控制器控制的全部电机的电流数据，完成对层流辊道的电机的原始电流数据的获取。
3.根据权利要求1所述的层流辊道电机故障检测方法，其特征在于，所述预处理的步骤还包括：
获取电机编号；
对所述原始电流数据按照所述电机编号和时间进行聚合，获取聚合电流数据；
按照时间顺序，对所述聚合电流数据进行升序或降序排序，获取排序电流数据；
对所述排序电流数据进行异常点处理，获取无异常电流数据；
对所述无异常电流数据进行一次差分处理，获取差分数据，并对差分数据进行补零值，获取差分电流数据；
按照预设的组合规则，对所述原始电流数据和差分电流数据进行拼接与组合，获取所述预处理数据。
4.根据权利要求3所述的层流辊道电机故障检测方法，其特征在于，对所述排序电流数据进行异常点处理的步骤包括：
去除所述排序电流数据中相邻电流值中出现量级突变的异常点；
利用所述异常点的相邻电流值的平均值替代所述异常点处的电流值，完成对所述排序电流数据的异常点处理。
5.一种层流辊道电机故障检测系统，其特征在于，包括：
原始电流数据获取模块，用于获取层流辊道的电机的原始电流数据；
预处理模块，用于对所述原始电流数据进行预处理，获取预处理数据，所述预处理的步骤包括：对电流数据进行一次差分处理；
处理模块，用于将所述预处理数据输入预设的异常检测模型进行异常检测，获取检测结果；根据所述检测结果，对电机的异常次数进行累加，获取电机的总异常次数；根据所述总异常次数，进行警示，完成层流辊道电机故障检测；
所述原始电流数据获取模块、预处理模块和处理模块连接；
所述处理模块将所述预处理数据输入预设的异常检测模型进行异常检测的步骤包括：
预先设置邻近值参数；
根据所述邻近值参数，获取所述预处理数据中每个数据的一个或多个邻近值数据，所述邻近值数据的数量与所述邻近值参数相同；
获取所述预处理数据中每个数据与其对应的邻近值数据的欧式距离；
将预处理数据中每个数据与其临近值数据的欧式距离中的最大值作为决策分数，所述决策分数与预处理数据中的数据一一对应，获取决策分数集；
根据所述决策分数集，进行异常检测；
根据所述决策分数集，进行异常检测的步骤包括：
获取所述决策分数集中的决策分数的四分位数，所述四分位数包括：第一四分位数、第二四分位数和第三四分位数；
获取所述第三四分位数与所述第一四分位数之间的差值，将所述差值作为四分位距；
根据所述第一四分位数、第三四分位数、四分位距和预设的判定规则，判断所述决策分数集中的决策分数是否异常，获取所述检测结果；
根据所述第一四分位数、第三四分位数、四分位距和预设的判定规则，判断所述决策分数集中的决策分数是否异常的步骤包括：
获取所述第一四分位数与三倍的四分位距之间的差值，作为第一判断值；
并且，获取所述第三四分位数与三倍的四分位距之间的和值，作为第二判断值；
判断所述决策分数集中的决策分数是否小于所述第一判断值，或者，大于所述第二判断值；
若所述决策分数小于第一判断值或大于第二判断值，则判定所述决策分数对应的电机出现异常，完成所述检测结果的获取。
6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1至4中任一项所述方法。
7.一种电子终端，其特征在于，包括：处理器及存储器；
所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行如权利要求1至4中任一项所述方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111671280.5A CN114337469B (zh) | 2021-12-31 | 2021-12-31 | 一种层流辊道电机故障检测方法、系统、介质及电子终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111671280.5A CN114337469B (zh) | 2021-12-31 | 2021-12-31 | 一种层流辊道电机故障检测方法、系统、介质及电子终端 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114337469A CN114337469A (zh) | 2022-04-12 |
| CN114337469B true CN114337469B (zh) | 2023-11-28 |
Family
ID=81021394
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111671280.5A Active CN114337469B (zh) | 2021-12-31 | 2021-12-31 | 一种层流辊道电机故障检测方法、系统、介质及电子终端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114337469B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20000042532A (ko) * | 1998-12-26 | 2000-07-15 | 이구택 | 전력변환장치의 실시간 고장 진단장치 |
| JP2003290827A (ja) * | 2002-04-08 | 2003-10-14 | Sumitomo Metal Ind Ltd | 多段圧延機の圧延異常検出方法 |
| CN201208616Y (zh) * | 2008-05-08 | 2009-03-18 | 黄建高 | 金属轧制加工中的辊道电机超前检测独立监控系统 |
| US9188620B1 (en) * | 2014-06-02 | 2015-11-17 | Hamilton Sundstrand Corporation | Method of detection and isolation of faults within power conversion and distribution systems |
| CN112570466A (zh) * | 2019-09-30 | 2021-03-30 | 宝山钢铁股份有限公司 | 解决高表面薄规格带钢输送辊道划伤的控制方法 |
| JP2021141736A (ja) * | 2020-03-06 | 2021-09-16 | 日本電産モビリティ株式会社 | スイッチング電源装置 |
| WO2021239004A1 (zh) * | 2020-05-27 | 2021-12-02 | 平安科技（深圳）有限公司 | 异常社群检测方法、装置、计算机设备及存储介质 |
-
2021
- 2021-12-31 CN CN202111671280.5A patent/CN114337469B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20000042532A (ko) * | 1998-12-26 | 2000-07-15 | 이구택 | 전력변환장치의 실시간 고장 진단장치 |
| JP2003290827A (ja) * | 2002-04-08 | 2003-10-14 | Sumitomo Metal Ind Ltd | 多段圧延機の圧延異常検出方法 |
| CN201208616Y (zh) * | 2008-05-08 | 2009-03-18 | 黄建高 | 金属轧制加工中的辊道电机超前检测独立监控系统 |
| US9188620B1 (en) * | 2014-06-02 | 2015-11-17 | Hamilton Sundstrand Corporation | Method of detection and isolation of faults within power conversion and distribution systems |
| CN112570466A (zh) * | 2019-09-30 | 2021-03-30 | 宝山钢铁股份有限公司 | 解决高表面薄规格带钢输送辊道划伤的控制方法 |
| JP2021141736A (ja) * | 2020-03-06 | 2021-09-16 | 日本電産モビリティ株式会社 | スイッチング電源装置 |
| WO2021239004A1 (zh) * | 2020-05-27 | 2021-12-02 | 平安科技（深圳）有限公司 | 异常社群检测方法、装置、计算机设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 变压器局部放电超声波信号分析与定位研究;佘昌佳;中国优秀硕士学位论文全文数据库;第19-48页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114337469A (zh) | 2022-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10996662B2 (en) | Manufacturing equipment diagnosis support system | |
| KR102398307B1 (ko) | 이상 판정 지원 장치 | |
| CN107949813B (zh) | 制造设备诊断辅助装置及制造设备诊断辅助方法 | |
| CN111461533A (zh) | 一种基于大数据的工业生产流水线的故障监测方法及系统 | |
| JP5441824B2 (ja) | 金属帯材料の製造条件決定システム | |
| CN106649755A (zh) | 一种多维度实时变电设备数据的阈值自适应设置异常检测方法 | |
| CN109002015B (zh) | 一种自动化生产线设备故障停机率计算方法 | |
| JP5821363B2 (ja) | 製品欠陥要因分析装置 | |
| CN117140186A (zh) | 一种基于人工智能的机械加工车间在线监测系统及方法 | |
| CN109894476B (zh) | 一种冷轧硅钢生产线液压设备故障诊断方法和装置 | |
| CN114337469B (zh) | 一种层流辊道电机故障检测方法、系统、介质及电子终端 | |
| CN109719138B (zh) | 一种基于数据挖掘的变形抗力唯象模型计算方法 | |
| CN114816917A (zh) | 监测数据处理方法、装置、设备及存储介质 | |
| CN108073464A (zh) | 一种基于速度和加速度的时序数据异常点检测方法及装置 | |
| CN116148431A (zh) | 带钢质量判断方法及装置 | |
| CN116203903A (zh) | 一种热连轧过程质量异常的时空根源诊断方法 | |
| CN112785142B (zh) | 物联网污水处理设备预警智慧工单方法及其系统 | |
| CN112862284B (zh) | 一种热轧带钢轧机刚度的精度评价方法及系统 | |
| CN115393308A (zh) | 带钢表面划伤缺陷的检测方法、装置、介质及电子设备 | |
| CN104731056B (zh) | 快速判断化工生产装置的运行稳定性的方法 | |
| CN112222201A (zh) | 一种轧线设备非正常运行预判方法、设备及存储介质 | |
| CN202815932U (zh) | 一种热轧原卷产品自动分级系统 | |
| JP5312117B2 (ja) | 金属帯板の製造条件決定システム | |
| CN115905907A (zh) | 风机主轴承的异常监测方法、装置、电子设备及存储介质 | |
| KR100931628B1 (ko) | 사상 압연에 있어서 조작성 이상 진단 장치 및 방법 |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 401329 No. 5-6, building 2, No. 66, Nongke Avenue, Baishiyi Town, Jiulongpo District, Chongqing Applicant after: MCC CCID information technology (Chongqing) Co.,Ltd. Address before: 401329 No. 5-6, building 2, No. 66, Nongke Avenue, Baishiyi Town, Jiulongpo District, Chongqing Applicant before: CISDI CHONGQING INFORMATION TECHNOLOGY Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |