CN114636927A - 一种基于大数据的马达运行故障预测系统 - Google Patents

Abstract

本发明公开了一种基于大数据的马达运行故障预测系统，涉及马达故障预测技术领域，解决了现有技术中马达运行故障预测效率低下的技术问题，对实时运行的马达进行数据采集分析，通过数据采集分析判断当前马达的运行状态是否合格，在确保马达运行合格后通过数据判定马达运行参数是否呈线性，从而提高马达运行故障预测的准确性；对当前运行马达受到的外界影响因素进行采集，从而提高了马达运行故障预测的准确性，同时也能够对马达运行质量进行监测，防止外界影响因素影响马达的运行状态；通过数据分析构建故障预测模型，将当前运行马达进行故障预测，实时故障预测有助于马达故障维护的及时性，降低了故障对马达运行的影响。

Description

一种基于大数据的马达运行故障预测系统

技术领域

本发明涉及马达故障预测技术领域，具体为一种基于大数据的马达运行故障预测系统。

背景技术

电子启动器就是现在人们通常所指的马达，又称起动机。它通过通电线圈在磁场中受力转动带动起动机转子旋转，转子上的小齿轮带动发动机飞轮旋转，从而带动曲轴转动而着车。具有瓷芯底座的新型低成本火花塞和启动器这两项零部件创新，奠定了汽车发展的技术基础。同时随着马达技术的兴起，马达运行故障也成为当前需解决的问题。

但是在现有技术中，马达在运行过程中无法进行准确故障预测，不能够通过状态分析以及外界影响分析获取到对应具体参数，在没有具体参数的前提不能够精准预测马达运行故障，导致马达的故障预测效率降低。

针对上述的技术缺陷，现提出一种解决方案。

发明内容

本发明的目的就在于为了解决上述问题，而提出一种基于大数据的马达运行故障预测系统，对实时运行的马达进行数据采集分析，通过数据采集分析判断当前马达的运行状态是否合格，在确保马达运行合格后通过数据判定马达运行参数是否呈线性，从而提高马达运行故障预测的准确性；对当前运行马达受到的外界影响因素进行采集，从而提高了马达运行故障预测的准确性，同时也能够对马达运行质量进行监测，防止外界影响因素影响马达的运行状态，从而降低了马达的运行质量；通过数据分析构建故障预测模型，将当前运行马达进行故障预测，实时故障预测有助于马达故障维护的及时性，降低了故障对马达运行的影响。

本发明的目的可以通过以下技术方案实现：

一种基于大数据的马达运行故障预测系统，包括故障预测平台，故障预测平台内设置有运行数据分析单元、实时预测单元、外因采集单元、启动分析单元以及环境分析单元；

通过故障预测平台对马达的运行故障进行实时预测，生成运行数据分析信号并将运行数据分析信号发送至运行数据采集单元，运行数据采集单元接收到运行数据分析信号后，对实时运行的马达进行数据采集分析；通过外因采集单元对当前运行马达受到的外界影响因素进行采集，生成启动分析信号和环境分析信号分别发送至启动分析单元和环境分析单元，启动分析单元接收到启动分析信号后，对当前运行马达的启动进行分析，判定当前马达在运行过程中启动方式是否合格；环境分析单元接收到环境分析信号后，对当前运行马达的运行环境进行实时分析，判断当前环境对马达运行的影响是否正常；通过实时预测单元将当前运行马达进行故障预测。

作为本发明的一种优选实施方式，运行数据采集单元的数据采集分析过程如下：

将实时运行的马达设置标号i，i为大于1的自然数，采集到马达运行过程中耗电量的增加量以及运行过程中设备振动幅度，并将马达运行过程中耗电量的增加量以及运行过程中设备振动幅度分别标记为ZJi和FDi；采集到马达运行过程中间歇待机时长，并将马达运行过程中间歇待机时长标记为SCi；通过分析获取到马达运行过程中的数据分析系数Xi，将马达运行过程中的数据分析系数Xi与数据分析系数阈值进行比较：

若马达运行过程中的数据分析系数Xi超过数据分析系数阈值，则判定对应马达运行分析不合格，生成运行维护信号并将运行维护信号和对应马达的编号一同发送至管理人员的手机终端；

若马达运行过程中的数据分析系数Xi未超过数据分析系数阈值，则判定对应马达运行分析合格，并将对应马达进行参数分析，设置参数分析时间段，并将参数分析时间段划分为o个子时间点，并以运行时间为X轴，以设备利用率为Y轴，构建直角坐标系，并将各个子时间点在X轴上进行标注；

将各个子时间点对应马达的设备利用率进行采集，并将各个子时间点对应马达的设备利用率在坐标系中进行点标注，同时将坐标系中完成标注的点进行连线构建马达运行分析曲线，若马达运行分析曲线为直线，则判定马达运行分析曲线为线性曲线，并将对应马达标记为线性马达；若马达运行分析曲线非直线，则判定马达运行分析曲线为非线性曲线，并将对应马达标记为非线性马达。

作为本发明的一种优选实施方式，启动分析单元的启动分析过程如下：

采集到当前运行马达大功率运行时进行全压直接启动的频率以及全压直接启动的最短间隔时长，并将当前运行马达大功率运行时进行全压直接启动的频率以及全压直接启动的最短间隔时长分别标记为QPLi和DSCi；采集到当前运行马达运行时进行软启动方式数量与全压直接启动方式数量的比值，并将当前运行马达运行时进行软启动方式数量与全压直接启动方式数量的比值标记为BSLi；

通过分析获取到当前马达的启动方式影响分析系数QDi，将当前马达的启动方式影响分析系数与方式影响分析系数阈值进行比较：若当前马达的启动方式影响分析系数超过方式影响分析系数阈值，则判定当前马达启动方式存在异常，生成启动整顿信号并将启动整顿信号和当前马达的编号发送至管理人员的手机终端；若当前马达的启动方式影响分析系数未超过方式影响分析系数阈值，则将对应启动方式影响分析系数发送至外因采集单元。

作为本发明的一种优选实施方式，环境分析单元的环境分析过程如下：

采集到当前运行马达周边环境的温度最大浮动值以及周边环境内湿度平均值，并将当前运行马达周边环境的温度最大浮动值以及周边环境内湿度平均值分别标记为WDi和SDi；通过分析获取到当前马达的环境影响分析系数HJi，将当前马达的环境影响分析系数与环境影响分析系数阈值进行比较：

若当前马达的环境影响分析系数超过环境影响分析系数阈值，则判定当前马达的环境影响不合格，生成环境整顿信号并将环境整顿信号和对应马达编号发送至管理人员的手机终端；若当前马达的环境影响分析系数未超过环境影响分析系数阈值，则将当前马达的环境影响分析系数发送至外因采集单元。

作为本发明的一种优选实施方式，实时预测单元的故障预测过程如下：

设置故障预测时间段，且故障预测时间段为马达历史完成运行时间段，将故障预测时间段划分为k个子时间段，构建故障预测模型，将故障预测时间段的数据分析系数、启动方式影响分析系数以及环境影响分析系数代入故障预测模型；若当前运行马达为线性马达时，则将故障预测时间段内各个子时间段的故障预测系数进行平均值计算，若对应故障预测系数平均值超过平均值阈值，则判定当前马达存在故障风险，反之，则判定当前马达未存在故障风险；若当前运行马达为非线性马达时，则将故障预测时间段内相邻子时间段的故障预测系数进行差值计算，若相邻子时间段的故障预测系数差值超过差值阈值，则判定当前马达存在故障风险，反之，则判定当前马达未存在故障风险。

与现有技术相比，本发明的有益效果是：

本发明中，对实时运行的马达进行数据采集分析，通过数据采集分析判断当前马达的运行状态是否合格，在确保马达运行合格后通过数据判定马达运行参数是否呈线性，从而提高马达运行故障预测的准确性；对当前运行马达受到的外界影响因素进行采集，从而提高了马达运行故障预测的准确性，同时也能够对马达运行质量进行监测，防止外界影响因素影响马达的运行状态，从而降低了马达的运行质量；对当前运行马达的运行环境进行实时分析，判断当前环境对马达运行的影响是否正常，确保马达正常运行的同时提高了马达运行故障预测的准确性；通过数据分析构建故障预测模型，将当前运行马达进行故障预测，实时故障预测有助于马达故障维护的及时性，降低了故障对马达运行的影响。

附图说明

为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。

图1为本发明的原理框图。

具体实施方式

下面将结合实施例对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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它实施例，都属于本发明保护的范围。

请参阅图1所示，一种基于大数据的马达运行故障预测系统，包括故障预测平台，故障预测平台内设置有运行数据分析单元、实时预测单元、外因采集单元、启动分析单元以及环境分析单元；

故障预测平台用于对马达的运行故障进行实时预测，当马达运行时，故障预测平台对马达进行检测，同时生成运行数据分析信号并将运行数据分析信号发送至运行数据采集单元，运行数据采集单元接收到运行数据分析信号后，对实时运行的马达进行数据采集分析，通过数据采集分析判断当前马达的运行状态是否合格，在确保马达运行合格后通过数据判定马达运行参数是否呈线性，从而提高马达运行故障预测的准确性，具体数据采集分析过程如下：

将实时运行的马达设置标号i，i为大于1的自然数，采集到马达运行过程中耗电量的增加量以及运行过程中设备振动幅度，并将马达运行过程中耗电量的增加量以及运行过程中设备振动幅度分别标记为ZJi和FDi；采集到马达运行过程中间歇待机时长，并将马达运行过程中间歇待机时长标记为SCi；本申请中，马达的间歇待机时长表示为马达在运行过程中自动待机时长；

通过公式

获取到马达运行过程中的数据分析系数Xi，其中，a1、a2以及a3均为预设比例系数，且a1＞a2＞a3＞0；

将马达运行过程中的数据分析系数Xi与数据分析系数阈值进行比较：

若马达运行过程中的数据分析系数Xi超过数据分析系数阈值，则判定对应马达运行分析不合格，生成运行维护信号并将运行维护信号和对应马达的编号一同发送至管理人员的手机终端；若马达运行过程中的数据分析系数Xi未超过数据分析系数阈值，则判定对应马达运行分析合格，并将对应马达进行参数分析，设置参数分析时间段，并将参数分析时间段划分为o个子时间点，并以运行时间为X轴，以设备利用率为Y轴，构建直角坐标系，并将各个子时间点在X轴上进行标注，本申请中设备利用率表示为设备实际使用时间占计划用时的百分比；主要是指设备的使用效率；是反映设备工作状态及生产效率的技术经济指标；

将各个子时间点对应马达的设备利用率进行采集，并将各个子时间点对应马达的设备利用率在坐标系中进行点标注，同时将坐标系中完成标注的点进行连线构建马达运行分析曲线，若马达运行分析曲线为直线，则判定马达运行分析曲线为线性曲线，并将对应马达标记为线性马达；若马达运行分析曲线非直线，则判定马达运行分析曲线为非线性曲线，并将对应马达标记为非线性马达；

外因采集单元用于对当前运行马达受到的外界影响因素进行采集，从而提高了马达运行故障预测的准确性，同时也能够对马达运行质量进行监测，防止外界影响因素影响马达的运行状态，从而降低了马达的运行质量，生成启动分析信号和环境分析信号分别发送至启动分析单元和环境分析单元；

启动分析单元接收到启动分析信号后，对当前运行马达的启动进行分析，判定当前马达在运行过程中启动方式是否合格，防止启动方式不合格造成马达的自然损耗加大，影响马达运行质量的同时降低了马达的使用寿命，在现有技术中马达的启动方式分为很多种，本申请以全压直接启动和软启动两种启动方式参考，全压直接启动的优点是操纵控制方便，维护简单，而且比较经济。主要用于小功率电动机的起动；软启动方式主要用于电动机的起动控制，起动效果好但成本较高；具体启动分析过程如下：

采集到当前运行马达大功率运行时进行全压直接启动的频率以及全压直接启动的最短间隔时长，并将当前运行马达大功率运行时进行全压直接启动的频率以及全压直接启动的最短间隔时长分别标记为QPLi和DSCi；采集到当前运行马达运行时进行软启动方式数量与全压直接启动方式数量的比值，并将当前运行马达运行时进行软启动方式数量与全压直接启动方式数量的比值标记为BSLi；

通过公式

获取到当前马达的启动方式影响分析系数QDi，其中，b1、b2以及b3均为预设比例系数，且b1＞b2＞b3＞0，β为误差修正因子，取值为1.34；将当前马达的启动方式影响分析系数与方式影响分析系数阈值进行比较：

若当前马达的启动方式影响分析系数超过方式影响分析系数阈值，则判定当前马达启动方式存在异常，生成启动整顿信号并将启动整顿信号和当前马达的编号发送至管理人员的手机终端；若当前马达的启动方式影响分析系数未超过方式影响分析系数阈值，则将对应启动方式影响分析系数发送至外因采集单元；

环境分析单元接收到环境分析信号后，对当前运行马达的运行环境进行实时分析，判断当前环境对马达运行的影响是否正常，确保马达正常运行的同时提高了马达运行故障预测的准确性，具体环境分析过程如下：

采集到当前运行马达周边环境的温度最大浮动值以及周边环境内湿度平均值，并将当前运行马达周边环境的温度最大浮动值以及周边环境内湿度平均值分别标记为WDi和SDi；通过公式HJi＝WDi×b4+SDi×b5获取到当前马达的环境影响分析系数HJi，其中，b4和b5均为预设比例系数，且b4＞b5＞0；

将当前马达的环境影响分析系数与环境影响分析系数阈值进行比较：

若当前马达的环境影响分析系数超过环境影响分析系数阈值，则判定当前马达的环境影响不合格，生成环境整顿信号并将环境整顿信号和对应马达编号发送至管理人员的手机终端；若当前马达的环境影响分析系数未超过环境影响分析系数阈值，则将当前马达的环境影响分析系数发送至外因采集单元；

本申请中环境分析和启动分析对马达的外因进行实时分析，当环境影响和启动方式影响不在可控范围内时，进行对应维护，保证马达的运行质量，当环境影响和启动方式影响在可控范围内时，可以将对应系数作为马达故障预测的参数，根据实时马达运行分析提高了故障预测的准确性；

外因采集单元将环境影响分析系数和启动方式影响分析系数转送至实时预测单元；实时预测单元用于将当前运行马达进行故障预测，实时故障预测有助于马达故障维护的及时性，降低了故障对马达运行的影响，具体故障预测过程如下：

设置故障预测时间段，且故障预测时间段为马达历史完成运行时间段，将故障预测时间段划分为k个子时间段，构建故障预测模型，将故障预测时间段的数据分析系数、启动方式影响分析系数以及环境影响分析系数代入故障预测模型，故障预测模型为：

其中，Gi为故障预测系数，e为自然常数；

若当前运行马达为线性马达时，则将故障预测时间段内各个子时间段的故障预测系数进行平均值计算，若对应故障预测系数平均值超过平均值阈值，则判定当前马达存在故障风险，反之，则判定当前马达未存在故障风险；

若当前运行马达为非线性马达时，则将故障预测时间段内相邻子时间段的故障预测系数进行差值计算，若相邻子时间段的故障预测系数差值超过差值阈值，则判定当前马达存在故障风险，反之，则判定当前马达未存在故障风险。

上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式，公式中的系数是由本领域技术人员根据实际情况进行设置；

本发明在使用时，通过故障预测平台对马达的运行故障进行实时预测，生成运行数据分析信号并将运行数据分析信号发送至运行数据采集单元，运行数据采集单元接收到运行数据分析信号后，对实时运行的马达进行数据采集分析；通过外因采集单元对当前运行马达受到的外界影响因素进行采集，生成启动分析信号和环境分析信号分别发送至启动分析单元和环境分析单元，启动分析单元接收到启动分析信号后，对当前运行马达的启动进行分析，判定当前马达在运行过程中启动方式是否合格；环境分析单元接收到环境分析信号后，对当前运行马达的运行环境进行实时分析，判断当前环境对马达运行的影响是否正常；通过实时预测单元将当前运行马达进行故障预测。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (5)

1.一种基于大数据的马达运行故障预测系统，其特征在于，包括故障预测平台，故障预测平台内设置有运行数据分析单元、实时预测单元、外因采集单元、启动分析单元以及环境分析单元；

通过故障预测平台对马达的运行故障进行实时预测，生成运行数据分析信号并将运行数据分析信号发送至运行数据采集单元，运行数据采集单元接收到运行数据分析信号后，对实时运行的马达进行数据采集分析；通过外因采集单元对当前运行马达受到的外界影响因素进行采集，生成启动分析信号和环境分析信号分别发送至启动分析单元和环境分析单元，启动分析单元接收到启动分析信号后，对当前运行马达的启动进行分析，判定当前马达在运行过程中启动方式是否合格；环境分析单元接收到环境分析信号后，对当前运行马达的运行环境进行实时分析，判断当前环境对马达运行的影响是否正常；通过实时预测单元将当前运行马达进行故障预测。

2.根据权利要求1所述的一种基于大数据的马达运行故障预测系统，其特征在于，运行数据采集单元的数据采集分析过程如下：

将实时运行的马达设置标号i，i为大于1的自然数，采集到马达运行过程中耗电量的增加量以及运行过程中设备振动幅度，并将马达运行过程中耗电量的增加量以及运行过程中设备振动幅度分别标记为ZJi和FDi；采集到马达运行过程中间歇待机时长，并将马达运行过程中间歇待机时长标记为SCi；通过分析获取到马达运行过程中的数据分析系数Xi，将马达运行过程中的数据分析系数Xi与数据分析系数阈值进行比较：

若马达运行过程中的数据分析系数Xi超过数据分析系数阈值，则判定对应马达运行分析不合格，生成运行维护信号并将运行维护信号和对应马达的编号一同发送至管理人员的手机终端；

若马达运行过程中的数据分析系数Xi未超过数据分析系数阈值，则判定对应马达运行分析合格，并将对应马达进行参数分析，设置参数分析时间段，并将参数分析时间段划分为o个子时间点，并以运行时间为X轴，以设备利用率为Y轴，构建直角坐标系，并将各个子时间点在X轴上进行标注；

将各个子时间点对应马达的设备利用率进行采集，并将各个子时间点对应马达的设备利用率在坐标系中进行点标注，同时将坐标系中完成标注的点进行连线构建马达运行分析曲线，若马达运行分析曲线为直线，则判定马达运行分析曲线为线性曲线，并将对应马达标记为线性马达；若马达运行分析曲线非直线，则判定马达运行分析曲线为非线性曲线，并将对应马达标记为非线性马达。

3.根据权利要求1所述的一种基于大数据的马达运行故障预测系统，其特征在于，启动分析单元的启动分析过程如下：

采集到当前运行马达大功率运行时进行全压直接启动的频率以及全压直接启动的最短间隔时长，并将当前运行马达大功率运行时进行全压直接启动的频率以及全压直接启动的最短间隔时长分别标记为QPLi和DSCi；采集到当前运行马达运行时进行软启动方式数量与全压直接启动方式数量的比值，并将当前运行马达运行时进行软启动方式数量与全压直接启动方式数量的比值标记为BSLi；

通过分析获取到当前马达的启动方式影响分析系数QDi，将当前马达的启动方式影响分析系数与方式影响分析系数阈值进行比较：若当前马达的启动方式影响分析系数超过方式影响分析系数阈值，则判定当前马达启动方式存在异常，生成启动整顿信号并将启动整顿信号和当前马达的编号发送至管理人员的手机终端；若当前马达的启动方式影响分析系数未超过方式影响分析系数阈值，则将对应启动方式影响分析系数发送至外因采集单元。

4.根据权利要求1所述的一种基于大数据的马达运行故障预测系统，其特征在于，环境分析单元的环境分析过程如下：

采集到当前运行马达周边环境的温度最大浮动值以及周边环境内湿度平均值，并将当前运行马达周边环境的温度最大浮动值以及周边环境内湿度平均值分别标记为WDi和SDi；通过分析获取到当前马达的环境影响分析系数HJi，将当前马达的环境影响分析系数与环境影响分析系数阈值进行比较：

若当前马达的环境影响分析系数超过环境影响分析系数阈值，则判定当前马达的环境影响不合格，生成环境整顿信号并将环境整顿信号和对应马达编号发送至管理人员的手机终端；若当前马达的环境影响分析系数未超过环境影响分析系数阈值，则将当前马达的环境影响分析系数发送至外因采集单元。

5.根据权利要求1所述的一种基于大数据的马达运行故障预测系统，其特征在于，实时预测单元的故障预测过程如下：

设置故障预测时间段，且故障预测时间段为马达历史完成运行时间段，将故障预测时间段划分为k个子时间段，构建故障预测模型，将故障预测时间段的数据分析系数、启动方式影响分析系数以及环境影响分析系数代入故障预测模型；若当前运行马达为线性马达时，则将故障预测时间段内各个子时间段的故障预测系数进行平均值计算，若对应故障预测系数平均值超过平均值阈值，则判定当前马达存在故障风险，反之，则判定当前马达未存在故障风险；若当前运行马达为非线性马达时，则将故障预测时间段内相邻子时间段的故障预测系数进行差值计算，若相邻子时间段的故障预测系数差值超过差值阈值，则判定当前马达存在故障风险，反之，则判定当前马达未存在故障风险。

Images