CN114966399A - 电机故障诊断方法、装置、系统、电机及作业机械 - Google Patents
电机故障诊断方法、装置、系统、电机及作业机械 Download PDFInfo
- Publication number
- CN114966399A CN114966399A CN202210613713.XA CN202210613713A CN114966399A CN 114966399 A CN114966399 A CN 114966399A CN 202210613713 A CN202210613713 A CN 202210613713A CN 114966399 A CN114966399 A CN 114966399A
- Authority
- CN
- China
- Prior art keywords
- motor
- current
- temperature
- time
- fault
- 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
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Control Of Electric Motors In General (AREA)
Abstract
本发明提供一种电机故障诊断方法、装置、系统、电机及作业机械,方法通过采集电机的当前时刻工作温度和当前时刻运行状态参数;根据当前时刻工作温度和上一时刻的工作温度,确定电机的当前时刻温度变化差值;输入当前时刻运行状态参数至温度变化阈值模型,输出电机的当前时刻温度变化阈值,温度变化阈值模型是基于运行状态参数样本和温度变化阈值样本进行训练后得到的;当当前时刻温度变化差值大于或等于当前时刻温度变化阈值时,发出电机故障预警提示,由于通过神经网络模型实时的确定出当前时刻运行状态参数对应的温度变化阈值,因此根据实时确定的温度变化阈值进行温度比较的方式,更能够保证温度检测的准确性,从而提高电机故障检测的准确性。
Description
技术领域
本发明涉及电机故障诊断技术领域,尤其涉及一种电机故障诊断方法、装置、系统、电机及作业机械。
背景技术
电驱压裂装备是未来石油压裂市场上的主力产品,其中,压裂橇的主电机是电驱压裂装备最重要的核心部件,对主电机的温度异常监测、故障诊断以及预测性提示对客户来说具有重要意义,可避免客户不必要损失以及提高排查故障效率,为用户和售后服务提供指导性的评估建议和预测维护,提升产品附加值,降低产品故障率,提高产品智能化水平。目前,对电驱压裂橇电机的诊断主要是通过检测温度,然后根据温度的大小判断是否发生了故障。
但是,仅仅通过检测温度的高低情况对压裂橇电机进行故障诊断的方式,故障检测准确性相对较低。
发明内容
本发明提供一种电机故障诊断方法、装置、系统、电机及作业机械,用以解决现有技术中电机故障检测准确性差的缺陷,实现通过实时确定温度变化阈值,再将温度变化阈值与当前时刻温度变化差值进行比较,可以更准确地提高故障检测的准确性。
本发明提供一种电机故障诊断方法,包括:
采集电机的当前时刻工作温度和当前时刻运行状态参数;
根据所述当前时刻工作温度和上一时刻的工作温度,确定所述电机的当前时刻温度变化差值;
输入所述当前时刻运行状态参数至温度变化阈值模型,输出所述电机的当前时刻温度变化阈值,所述温度变化阈值模型是基于运行状态参数样本和温度变化阈值样本进行训练后得到的;
当所述当前时刻温度变化差值大于或等于所述当前时刻温度变化阈值时,发出电机故障预警提示。
根据本发明提供的一种电机故障诊断方法,所述采集电机的当前时刻工作温度和当前时刻运行状态参数之后,还包括:
输入所述当前时刻运行状态参数至温度阈值模型,输出所述电机的当前时刻温度阈值,所述温度阈值模型是基于运行状态参数样本和温度阈值样本进行训练后得到的;
当所述当前时刻工作温度大于或等于所述当前时刻温度阈值时,发出电机超温故障报警提示。
根据本发明提供的一种电机故障诊断方法,在所述发出电机故障预警提示或所述发出电机超温故障报警提示之后,还包括:
确定每个所述当前时刻运行状态参数对应的参数阈值;
根据每个所述当前时刻运行状态参数的大小和对应的所述参数阈值的大小,确定所述电机的故障类型。
根据本发明提供的一种电机故障诊断方法,当所述当前时刻运行状态参数包括滤网压差值时,所述确定每个所述当前时刻运行状态参数对应的参数阈值,包括:
输入所述当前时刻运行状态参数至滤网压差阈值模型,输出所述电机的滤网压差阈值,所述滤网压差阈值模型是基于运行状态参数样本和滤网压差阈值样本进行训练后得到的;
当所述滤网压差值大于或等于所述滤网压差阈值时,确定所述电机的故障类型为滤网堵塞故障。
根据本发明提供的一种电机故障诊断方法,当所述当前时刻运行状态参数包括三相电流信息时,所述电机的故障类型包括:三相电流不平衡故障、电机缺相故障、散热风机故障中的至少一种;
当所述当前时刻运行状态参数包括电机负载率时,所述电机的故障类型包括电机超载故障;
当所述当前时刻运行状态参数包括电机转速时,所述电机的故障类型包括电机超速故障。
根据本发明提供的一种电机故障诊断方法,所述当前时刻工作温度包括绕组温度和/或轴承温度,当所述当前时刻工作温度包括轴承温度时,所述电机的故障类型还包括轴承润滑油故障。
本发明还提供一种电机故障诊断装置,包括:
采集模块,用于采集电机的当前时刻工作温度和当前时刻运行状态参数;
确定模块,用于根据所述当前时刻工作温度和上一时刻的工作温度,确定所述电机的当前时刻温度变化差值;
大数据模块,用于输入所述当前时刻运行状态参数至温度变化阈值模型,输出所述电机的当前时刻温度变化阈值,所述温度变化阈值模型是基于运行状态参数样本和温度变化阈值样本进行训练后得到的;
预警模块,用于当所述当前时刻温度变化差值大于或等于所述当前时刻温度变化阈值时,发出电机故障预警提示。
本发明还提供一种电机故障诊断系统,所述电机故障诊断系统包括:压裂橇电机控制器和控制设备;
所述压裂橇电机控制器与所述控制设备通信连接,所述控制设备用于通过所述压裂橇电机控制器读取所述压裂橇电机的工作数据,并根据所述工作数据执行如上述任一项所述电机故障诊断方法。
本发明还提供一种电机,所述电机用于执行如上述任一项所述电机故障诊断方法。
本发明还提供一种作业机械,所述作业机械包括如上述所述的电机。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述电机故障诊断方法。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述电机故障诊断方法。
本发明还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述电机故障诊断方法。
本发明提供的一种电机故障诊断方法、装置、系统、电机及作业机械,方法通过采集电机的当前时刻工作温度和当前时刻运行状态参数;根据所述当前时刻工作温度和上一时刻的工作温度,确定所述电机的当前时刻温度变化差值;输入所述当前时刻运行状态参数至温度变化阈值模型,输出所述电机的当前时刻温度变化阈值,所述温度变化阈值模型是基于运行状态参数样本和温度变化阈值样本进行训练后得到的;当所述当前时刻温度变化差值大于或等于所述当前时刻温度变化阈值时,发出电机故障预警提示,由于通过神经网络模型实时的确定出当前时刻运行状态参数对应的温度变化阈值,因此根据实时确定的温度变化阈值进行温度比较的方式,更能够保证温度检测的准确性,从而提高电机故障检测的准确性。
附图说明
为了更清楚地说明本发明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一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,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是本发明提供的电机故障诊断方法的流程示意图之一;
图2是本发明提供的温度变化阈值模型训练过程的原理示意图;
图3是本发明提供的电机故障诊断方法的流程示意图之二;
图4是本发明实施例提供的整体原理示意图;
图5是本发明提供的电机故障诊断装置的结构示意图;
图6是本发明提供的电机故障诊断设备的原理示意图;
图7是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例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他实施例,都属于本发明保护的范围。
下面结合图1-图7描述本发明的电机故障诊断方法、装置、系统、电机及作业机械。
图1是本发明提供的电机故障诊断方法的流程示意图之一。
如图1所示,本发明实施例提供的一种电机故障诊断方法,执行主体可以是电机的控制系统,也可以是其他的独立的控制设备,主要包括以下步骤:
101、采集电机的当前时刻工作温度和当前时刻运行状态参数。
在一个具体的实现过程中,以电驱压裂设备的电驱压裂橇电机为例进行说明。其中,采集电机的当前时刻工作温度,可以包括采集电机的当前时刻绕组温度和当前时刻轴承温度,绕组温度变化和轴承的温度变化可以更好地反应电机的运转状态,绕组温度过高或者是轴承温度过高,会大大增加电机的故障率。
而采集电机的当前时刻工作温度的具体方式可以是通过传感器的方式获取,通过温度传感器及时、准确地将电机的当前时刻工作温度获取到。而当前时刻运行状态参数包括了电机的环境温度、主电机转速、负载率、转矩、轴承温度(轴承两侧)、电压(A/B/C)、电流(A/B/C)、排量、施工压力、第一散热电机电流(A/B/C)、第二散热电机电流(A/B/C)、第一散热电机电压(A/B/C)、第二散热电机电压(A/B/C)以及第一散热电机运行状态、第二散热电机运行状态等信息。同样,采集电机的运行状态参数的具体方式也可以是通过传感器的方式进行读取,还可以是在电机控制系统中直接读取相关的参数值。在本实施例中不对获取工作温度和运行状态参数的方式进行具体限定,只要能够准确地读取到电机的当前时刻工作温度和当前时刻运行状态参数即可。
102、根据当前时刻工作温度和上一时刻的工作温度,确定电机的当前时刻温度变化差值。
具体的,采集电机的当前时刻工作温度可以是按照预设时长进行采集,例如每间隔a秒进行一次数据的采集,例如在当前时刻t采集的工作温度记作当前时刻工作温度,而上一时刻的采集时刻便是t-a时刻采集的工作温度,也可以理解为相邻两次采集的工作温度,然后比较两次采集的当前时刻工作温度,得到电机的两次温度变化的差值,记作为当前时刻温度变化差值。通常随时电机工作时间的增加,温度变化一般为温度上升情况。
例如,当前时刻t采集的当前时刻工作温度为T1,上一次t-a时刻采集的工作温度为T2,则确定电机的的当前时刻温度变化差值为T=T1-T2。
103、输入当前时刻运行状态参数至温度变化阈值模型,输出电机的当前时刻温度变化阈值,温度变化阈值模型是基于运行状态参数样本和温度变化阈值样本进行训练后得到的。
在得到当前时刻运行状态参数之后,将其输入至预先训练好的神经网络模型即温度变化阈值模型,然后温度变化阈值模型便会根据当前时刻运行状态参数进行内部运算处理,得到与当前时刻运行状态参数相对应的当前时刻温度变化阈值。温度变化阈值模型是基于运行状态参数样本和温度变化阈值样本进行训练后得到的,可以理解为一个函数,输入为当前时刻运行状态参数,即上述步骤提到的电机的各种运行状态参数,输出便是温度变化阈值。
因为对于电机而言,不同的运行状态参数,例如环境温度不同、电机负载率不同、施工压力不同等等参数的各不相同,对应的温度变化阈值时不同的,因此,通过神经网络模型根据具体的不同运行状态参数得到的温度变化阈值,更加准确。无论是对于电机绕组温度的温升变化阈值,还是电机轴承的温升变化阈值,均是同样的道理。
图2是本发明提供的温度变化阈值模型训练过程的原理示意图;如图2所示,为温度变化阈值模型的训练简图,输入为运行状态参数样本,包括环境温度样本、主电机转速样本、负载率样本、转矩样本、电压样本、电流(A/B/C)样本、排量样本、施工压力样本、第一散热电机电流(A/B/C)样本、第二散热电机电流(A/B/C)样本、电机轴承温度样本(轴承两侧)、滤网压差值样本等等作为特征值输入模型,经模型内各层的数据处理,输出温度变化阈值样本。图2中的xn(n=1/2/3…)表示输入运行状态参数样本,y表示预测值,为温度变化阈值模型实时输出的预测阈值。其中,关于具体的训练过程在本实施例中不再进行详细具体的阐述。
其中,无论是当前时刻工作温度具体是哪个结构的工作温度,当前时刻运行状态参数都包括哪些具体的运行状态参数,原理均为同一原理,就是根据不同的实时运行状态参数,确定出当前时刻最为合理的温度变化阈值,与固定的温度变化阈值相比,实时确定的温度变化阈值更加准确,更能够准确地反映出电机的运行状态。
104、当当前时刻温度变化差值大于或等于当前时刻温度变化阈值时,发出电机故障预警提示。
具体的,在采集到电机的当前时刻工作温度,根据当前时刻工作温度和上一时刻的工作温度确定出当前时刻温度变化差值,又根据当前时刻运行状态参数实时地通过神经网络模型确定出更加准确的温度变化阈值之后。便可以将当前时刻温度变化差值与当前时刻温度变化阈值进行比较,比较两个值的大小,当当前时刻温度变化差值大于或等于当前时刻温度变化阈值时,表明此时的温度变化较大,存在安全隐患,便发出电机故障预警提示。如果当前时刻温度变化差值小于实时确定的当前时刻温度变化阈值,表明此时的电机温度上升为正常状态。
以电机绕组的温度上升为例进行说明,当前时刻时刻采集的温度上升值超过了临界值即超过了当前时刻运行状态参数下的当前时刻温度变化阈值,也就是温度上升过快,此时便发出电机故障预警提示。其中,电机故障预警提示的方式可以是声音提示、灯光提示或发送至控制终端进行显示等等方式,也可以是远程发送至用户移动终端,从而时刻用户及时地了解到当前时刻电机的运行状态。
本实施例提供的一种电机故障诊断方法,通过采集电机的当前时刻工作温度和当前时刻运行状态参数;根据所述当前时刻工作温度和上一时刻的工作温度,确定所述电机的当前时刻温度变化差值;输入所述当前时刻运行状态参数至温度变化阈值模型,输出所述电机的当前时刻温度变化阈值,所述温度变化阈值模型是基于运行状态参数样本和温度变化阈值样本进行训练后得到的;当所述当前时刻温度变化差值大于或等于所述当前时刻温度变化阈值时,发出电机故障预警提示,由于通过神经网络模型实时的确定出当前时刻运行状态参数对应的温度变化阈值,因此根据实时确定的温度变化阈值进行温度比较的方式,更能够保证温度检测的准确性,从而提高电机故障检测的准确性。
图3是本发明提供的电机故障诊断方法的流程示意图之二。
进一步的,如图3所示,本发明实施例提供的一种电机故障诊断方法,主要包括以下步骤:
301、采集电机的当前时刻工作温度和当前时刻运行状态参数。
302、根据当前时刻工作温度和上一时刻的工作温度,确定电机的当前时刻温度变化差值。
303、输入当前时刻运行状态参数至温度变化阈值模型,输出电机的当前时刻温度变化阈值,温度变化阈值模型是基于运行状态参数样本和温度变化阈值样本进行训练后得到的。
304、当当前时刻温度变化差值大于或等于当前时刻温度变化阈值时,发出电机故障预警提示。
其中,关于步骤301-步骤304在上述实施例中的步骤101-步骤104中已经做了详细介绍,因此,在本实施例中不再进行具体阐述说明,可以相互参照理解。
305、输入当前时刻运行状态参数至温度阈值模型,输出电机的当前时刻温度阈值,温度阈值模型是基于运行状态参数样本和温度阈值样本进行训练后得到的。
具体的,同理,将当前时刻运行状态参数输入至温度阈值模型,温度阈值模型经过内部数据处理,也得到与当前时刻运行状态参数实时对应的当前时刻温度阈值,温度阈值模型是基于运行状态参数样本和温度阈值样本进行训练后得到的。
具体的,关于温度阈值模型的训练过程,与温度变化阈值模型的训练过程类似,因此,不再进行具体说明,可以相互参照理解。
306、当当前时刻工作温度大于或等于当前时刻温度阈值时,发出电机超温故障报警提示。
在得到与当前时刻运行状态参数实时对应的当前时刻温度阈值之后,将当前时刻工作温度与当前时刻温度阈值进行比较,当前时刻温度阈值指的是电机正常工作时的临界温度值,若电机的工作温度高于当前时刻温度阈值,表明电机发生了故障,因此,只有保证电机的工作温度低于实时确定的电机温度阈值才能够保证电机的正常工作运转。因此,在比较当前时刻工作温度与当前时刻温度阈值之后,若是当前时刻工作温度大于或等于实时确定的当前时刻温度阈值,则表明此时的电机温度异常,若继续工作则会发生安全问题,于是便及时的发出报警提示。若是当前时刻工作温度小于当前时刻温度阈值,表明此时的电机温度处于正常状态,继续保持电机的工作即可。
其中,发出报警提示和上述实施例中的发出预警提示相类似,可以是直接发出声音或灯光或者两者组合的提示,也可以是直接通过控制终端的显示界面进行显示,还可以是远程发送至用户移动终端,无论采用哪种具体的方式或者是多种结合的方式,主要目的是能够及时的提示用户存在安全隐患,使用户及时地了解到当前时刻的隐患问题即可。因此,本实施例中同样不对具体的提示方式进行明确的限定。
需说明的是,本实施例中的步骤302-304与步骤305-306不区分两者之间的先后顺序,即判断是否进行预警提示与是否进行报警提示两种方案之间不存在前后的逻辑关系,可并列执行也可以顺序执行。
进一步的,在上述实施例的基础上,本实施例中在发出电机故障预警提示或发出电机超温故障报警提示之后,还可以包括:确定每个当前时刻运行状态参数对应的参数阈值;根据每个当前时刻运行状态参数的大小和对应的参数阈值的大小,确定电机的故障类型。
具体的,在发出预警提示或者是报警提示之后,还需要定位出电机当前时刻的故障类型,从而提高电机的检修效率。对于电机的多个运行状态参数而言,每个运行状态参数均对应着不同的参数阈值,且不同的参数阈值会随着其他运行状态参数的实时变化而发生相应的变化。因此,便首先根据不同的实时参数值的大小,确定各自对应的参数阈值,再进行实时参数与实时参数阈值大小的比较,确定出电机的具体故障。
进一步的,在本实施例中,例如,当当前时刻运行状态参数包括滤网压差值时,确定每个当前时刻运行状态参数对应的参数阈值,可以包括:输入当前时刻运行状态参数至滤网压差阈值模型,输出电机的滤网压差阈值,滤网压差阈值模型是基于运行状态参数样本和滤网压差阈值样本进行训练后得到的;当滤网压差值大于或等于滤网压差阈值时,确定电机的故障类型为滤网堵塞故障。
具体的,与上述实施例中的神经网络模型类似,本实施例中的滤网压差阈值模型同样是预先基于运行状态参数样本和滤网压差阈值样本进行训练后得到的,然后应用过程便是将当前时刻运行状态参数输入滤网压差阈值模型,滤网压差阈值模型经过数据处理,输出与当前时刻运行状态参数实时对应的滤网压差阈值,然后再比较滤网压差值与滤网压差阈值的大小,根据两者的大小关系确定出具体的故障类型是否为滤网堵塞。若是滤网压差值大于实时确定得出的滤网压差阈值便表明此时的滤网出现了堵塞。其中,滤网压差指的是过滤网两侧的压力差,即散热介质进入滤网侧的压力与流出滤网侧的压力的差值,根据两侧压力差值的大小确定出当前时刻的滤网是否发生了堵塞。当滤网堵塞会导致通风不畅,从而使得电机升温过快。
在上述实施例的基础上,本实施例中在故障定位还包括其他的定位方式,当当前时刻运行状态参数包括三相电流信息时,电机的故障类型包括:三相电流不平衡故障、电机缺相故障、散热风机故障中的至少一种;当当前时刻运行状态参数包括电机负载率时,电机的故障类型包括电机超载故障;当当前时刻运行状态参数包括电机转速时,电机的故障类型包括电机超速故障。其中,超载故障指的是当前时刻电机负载率超过了预设负载阈值,超速故障则指的是当前时刻电机转速超过了预设转速阈值。需说明的是,预设负载阈值和预设转速阈值的大小,用户可以根据实际情况进行人为设定调整。
具体的,在确定电机发生故障以后便进行故障排查,除了上述实施例中的滤网堵塞检测之外,还包括三相电流检测、负载率检测和转速检测等等。检测三相电流的状态,可以利用电流传感器检测三相电流的状态,从而确定出是否发生了三相电流不平衡或者是三相电流缺相,也包括了第一散热风机和第二散热风机的故障,通过对三相电流值的判断,可以准确的确定出是否发生了三相电流引起的故障问题。还包括检测电机的负载率,对于电机负载率可以是人为设定好安全值,然后当负载率高于安全值以后便有可能出现异常,导致温升过快或者是温度过高的问题。还包括了检测电机转速,电机转速过高也会导致温升过快问题的发生。于是通过对应的传感器分别去检测滤网是否堵塞、三相电流状态、电机负载率高低和电机转速情况去确定当前时刻电机故障的具体原因。其中,检测滤网是否堵塞、三相电流状态、电机负载率高低和电机转速情况不区分具体的先后顺序,可按顺序执行也可以是同时进行,只要能够定位出具体的故障类型即可。
上述实施例中采集电机的当前时刻工作温度包括了电机绕组温度和电机轴承温度等。而当采集的当前时刻工作温度包括轴承温度时,电机的故障类型还包括轴承润滑油故障,润滑油故障指的是润滑油含量低于预设含量,通俗来讲即润滑油过少,导致摩擦产生热量较高。
具体的,当采集电机的轴承温度出现了温升过快或者是温度过高的问题时,定位具体的故障类型除了上述提高的检测滤网压差、三相电流、负载率和电机转速之外,还包括检测电机轴承的润滑油。即当轴承温度异常之后,若是滤网正常、三相电流正常、负载率正常、电机转速正常的情况下,很有可能是轴承润滑油发生了问题,因此,便可以发出润滑油故障提示。
具体的,在确定出电机的具体故障类型及故障位置之后,还可以将故障类型和故障内容发送至用户终端,以使用户不仅可以了解到当前时刻电机发生了故障,还可以及时的掌握具体的故障内容和故障类型。故障内容包括故障位置、故障时间和故障率等,故障类型则包括滤网堵塞、三相电流异常、负载率异常和电机转速异常等等。
图4是本发明实施例提供的整体原理示意图。
如图4所示,首先线下进行神经网络模型的训练,包括温度变化阈值模型、温度阈值模型和滤网压差阈值模型等等,通过历史数据(样本数据)训练得到对应的模型,然后利用模型进行实时的数据处理得到对应的实时阈值,控制器作为执行主体,加在模型文件之后,首先通过传感器等读取电机的运行状态参数,然后进行内部的数据运算处理,得到具体的处理结果,确定电机的故障类型、故障内容等信息,发送至上位机等监控软件进行结果展示。从而提高故障检测效率,实时的确定阈值的方式,保证了故障检测结果的准确性。
通过实时检测、分析、预测、诊断电驱橇主电机运转情况,为用户和售后服务提供指导性的评估建议和预测维护,提升产品附加值,降低产品故障率,提高了产品的智能化。并且,方便用户对设备作出预测性维护,提高故障排查效率。
基于同一总的发明构思,本发明还保护一种电机故障诊断装置,下面对本发明提供的电机故障诊断装置进行描述,下文描述的电机故障诊断装置与上文描述的电机故障诊断方法可相互对应参照。
图5是本发明提供的电机故障诊断装置的结构示意图。
如图5所示,本实施例中提供一种电机故障诊断装置,包括:
采集模块501,用于采集电机的当前时刻工作温度和当前时刻运行状态参数;
确定模块502,用于根据所述当前时刻工作温度和上一时刻的工作温度,确定所述电机的当前时刻温度变化差值;
大数据模块503,用于输入所述当前时刻运行状态参数至温度变化阈值模型,输出所述电机的当前时刻温度变化阈值,所述温度变化阈值模型是基于运行状态参数样本和温度变化阈值样本进行训练后得到的;
预警模块504,用于当所述当前时刻温度变化差值大于或等于所述当前时刻温度变化阈值时,发出电机故障预警提示。
本实施例提供的一种电机故障诊断装置,通过采集电机的当前时刻工作温度和当前时刻运行状态参数;根据所述当前时刻工作温度和上一时刻的工作温度,确定所述电机的当前时刻温度变化差值;输入所述当前时刻运行状态参数至温度变化阈值模型,输出所述电机的当前时刻温度变化阈值,所述温度变化阈值模型是基于运行状态参数样本和温度变化阈值样本进行训练后得到的;当所述当前时刻温度变化差值大于或等于所述当前时刻温度变化阈值时,发出电机故障预警提示,由于通过神经网络模型实时的确定出当前时刻运行状态参数对应的温度变化阈值,因此根据实时确定的温度变化阈值进行温度比较的方式,更能够保证温度检测的准确性,从而提高电机故障检测的准确性。
进一步的,本实施例中还包括报警模块,用于:
输入所述当前时刻运行状态参数至温度阈值模型,输出所述电机的当前时刻温度阈值,所述温度阈值模型是基于运行状态参数样本和温度阈值样本进行训练后得到的;
当所述当前时刻工作温度大于或等于所述当前时刻温度阈值时,发出电机超温故障报警提示。
进一步的,本实施例中还包括定位模块,用于:
确定每个所述当前时刻运行状态参数对应的参数阈值;
根据每个所述当前时刻运行状态参数的大小和对应的所述参数阈值的大小,确定所述电机的故障类型。
进一步的,本实施例中当所述当前时刻运行状态参数包括滤网压差值时,所述定位模块,具体用于:
输入所述当前时刻运行状态参数至滤网压差阈值模型,输出所述电机的滤网压差阈值,所述滤网压差阈值模型是基于运行状态参数样本和滤网压差阈值样本进行训练后得到的;
当所述滤网压差值大于或等于所述滤网压差阈值时,确定所述电机的故障类型为滤网堵塞故障。
进一步的,本实施例中,当所述当前时刻运行状态参数包括三相电流信息时,所述电机的故障类型包括:三相电流不平衡故障、电机缺相故障、散热风机故障中的至少一种;
当所述当前时刻运行状态参数包括电机负载率时,所述电机的故障类型包括电机超载故障;
当所述当前时刻运行状态参数包括电机转速时,所述电机的故障类型包括电机超速故障。
进一步的,本实施例中所述当前时刻工作温度包括绕组温度和/或轴承温度,当所述当前时刻工作温度包括轴承温度时,所述电机的故障类型还包括轴承润滑油故障。
基于同一总的发明构思,本发明还可以保护一种电机故障诊断设备。图6是本发明提供的电机故障诊断设备的原理示意图,如图6所示,电机故障诊断设备主要由六部分组成,分别是有线网络通讯单元、无线网络通讯单元、供电单元、数据存储单元和中央处理器(central processing unit,CPU)单元等构成。
其中,CPU单元主要负责数据运算分析,也就是执行上述任一实施例中的电机故障诊断方法。数据存储单元主要用于数据存储,另外数据存储单元集成有电机故障诊断方法的算法程序,网络通讯单元主要用于与橇装PLC数据通讯和显示设备(手机、电脑等)通讯;供电单元,主要用于给各个单元供电。
具体的,电机故障诊断设备作为一个电子装置,它的数据来源于电驱压裂橇电机的PLC控制系统,通过网线与电驱压裂橇电机的PLC连接,收集电驱压裂橇电机的运行状态信息,对这些数据处理、分析,实现故障预警、报警以及原因定位。电机故障诊断设备通过有线网络与电驱压裂橇电机PLC连接,收集电驱压裂橇电机数据,通过CPU分析处理数据,内部集成故障诊断分析算法,固化训练好的神经网络算法模型,用于滤网压差阈值、电机温升阈值的实时确立。通过有线或无线网络将结果信息展示在手机或电脑上。即电机故障诊断设备作为一种便携式设备,用于检测、分析、诊断当前时刻电驱压裂橇主电机运转情况,不改变当前时刻设备,不增加当前时刻设备PLC负担,使用更加便捷。
基于同一总的发明构思,本发明还保护一种电机故障诊断系统,电机故障诊断系统包括:压裂橇电机控制器和控制设备;压裂橇电机控制器与控制设备通信连接,控制设备用于通过压裂橇电机控制器读取压裂橇电机的工作数据,并根据工作数据执行如上述任一实施例的电机故障诊断方法。
基于同一总的发明构思,本发明还保护一种电机,所述电机用于执行如上述任一实施例的电机故障诊断方法。
基于同一总的发明构思,本发明还保护一种作业机械,所述作业机械包括上述实施例的电机,例如,该作业机械包括电驱压裂设备,石油设备等。
图7是本发明提供的电子设备的结构示意图。
如图7所示,该电子设备可以包括:处理器(processor)710、通信接口(Communications Interface)720、存储器(memory)730和通信总线740,其中,处理器710,通信接口720,存储器730通过通信总线740完成相互间的通信。处理器710可以调用存储器730中的逻辑指令,以执行电机故障诊断方法,该方法包括:采集电机的当前时刻工作温度和当前时刻运行状态参数;根据所述当前时刻工作温度和上一时刻的工作温度,确定所述电机的当前时刻温度变化差值;输入所述当前时刻运行状态参数至温度变化阈值模型,输出所述电机的当前时刻温度变化阈值,所述温度变化阈值模型是基于运行状态参数样本和温度变化阈值样本进行训练后得到的;当所述当前时刻温度变化差值大于或等于所述当前时刻温度变化阈值时,发出电机故障预警提示。
此外,上述的存储器730中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,计算机程序可存储在非暂态计算机可读存储介质上,所述计算机程序被处理器执行时,计算机能够执行上述各方法所提供的电机故障诊断方法,该方法包括:采集电机的当前时刻工作温度和当前时刻运行状态参数;根据所述当前时刻工作温度和上一时刻的工作温度,确定所述电机的当前时刻温度变化差值;输入所述当前时刻运行状态参数至温度变化阈值模型,输出所述电机的当前时刻温度变化阈值,所述温度变化阈值模型是基于运行状态参数样本和温度变化阈值样本进行训练后得到的;当所述当前时刻温度变化差值大于或等于所述当前时刻温度变化阈值时,发出电机故障预警提示。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各方法提供的电机故障诊断方法,该方法包括:采集电机的当前时刻工作温度和当前时刻运行状态参数;根据所述当前时刻工作温度和上一时刻的工作温度,确定所述电机的当前时刻温度变化差值;输入所述当前时刻运行状态参数至温度变化阈值模型,输出所述电机的当前时刻温度变化阈值,所述温度变化阈值模型是基于运行状态参数样本和温度变化阈值样本进行训练后得到的;当所述当前时刻温度变化差值大于或等于所述当前时刻温度变化阈值时,发出电机故障预警提示。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种电机故障诊断方法,其特征在于,包括:
采集电机的当前时刻工作温度和当前时刻运行状态参数;
根据所述当前时刻工作温度和上一时刻的工作温度,确定所述电机的当前时刻温度变化差值;
输入所述当前时刻运行状态参数至温度变化阈值模型,输出所述电机的当前时刻温度变化阈值,所述温度变化阈值模型是基于运行状态参数样本和温度变化阈值样本进行训练后得到的;
当所述当前时刻温度变化差值大于或等于所述当前时刻温度变化阈值时,发出电机故障预警提示。
2.根据权利要求1所述的电机故障诊断方法,其特征在于,所述采集电机的当前时刻工作温度和当前时刻运行状态参数之后,还包括:
输入所述当前时刻运行状态参数至温度阈值模型,输出所述电机的当前时刻温度阈值,所述温度阈值模型是基于运行状态参数样本和温度阈值样本进行训练后得到的;
当所述当前时刻工作温度大于或等于所述当前时刻温度阈值时,发出电机超温故障报警提示。
3.根据权利要求2所述的电机故障诊断方法,其特征在于,在所述发出电机故障预警提示或所述发出电机超温故障报警提示之后,还包括:
确定每个所述当前时刻运行状态参数对应的参数阈值;
根据每个所述当前时刻运行状态参数的大小和对应的所述参数阈值的大小,确定所述电机的故障类型。
4.根据权利要求3所述的电机故障诊断方法,其特征在于,当所述当前时刻运行状态参数包括滤网压差值时,所述确定每个所述当前时刻运行状态参数对应的参数阈值,包括:
输入所述当前时刻运行状态参数至滤网压差阈值模型,输出所述电机的滤网压差阈值,所述滤网压差阈值模型是基于运行状态参数样本和滤网压差阈值样本进行训练后得到的;
当所述滤网压差值大于或等于所述滤网压差阈值时,确定所述电机的故障类型为滤网堵塞故障。
5.根据权利要求3所述的电机故障诊断方法,其特征在于,当所述当前时刻运行状态参数包括三相电流信息时,所述电机的故障类型包括:三相电流不平衡故障、电机缺相故障、散热风机故障中的至少一种;
当所述当前时刻运行状态参数包括电机负载率时,所述电机的故障类型包括电机超载故障;
当所述当前时刻运行状态参数包括电机转速时,所述电机的故障类型包括电机超速故障。
6.根据权利要求3所述的电机故障诊断方法,其特征在于,所述当前时刻工作温度包括绕组温度和/或轴承温度,当所述当前时刻工作温度包括轴承温度时,所述电机的故障类型还包括轴承润滑油故障。
7.一种电机故障诊断装置,其特征在于,包括:
采集模块,用于采集电机的当前时刻工作温度和当前时刻运行状态参数;
确定模块,用于根据所述当前时刻工作温度和上一时刻的工作温度,确定所述电机的当前时刻温度变化差值;
大数据模块,用于输入所述当前时刻运行状态参数至温度变化阈值模型,输出所述电机的当前时刻温度变化阈值,所述温度变化阈值模型是基于运行状态参数样本和温度变化阈值样本进行训练后得到的;
预警模块,用于当所述当前时刻温度变化差值大于或等于所述当前时刻温度变化阈值时,发出电机故障预警提示。
8.一种电机故障诊断系统,其特征在于,所述电机故障诊断系统包括:压裂橇电机控制器和控制设备;
所述压裂橇电机控制器与所述控制设备通信连接,所述控制设备用于通过所述压裂橇电机控制器读取所述压裂橇电机的工作数据,并根据所述工作数据执行如权利要求1至6任一项所述电机故障诊断方法。
9.一种电机,其特征在于,所述电机用于执行如权利要求1至6任一项所述电机故障诊断方法。
10.一种作业机械,其特征在于,所述作业机械包括如权利要求9所述的电机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210613713.XA CN114966399A (zh) | 2022-05-31 | 2022-05-31 | 电机故障诊断方法、装置、系统、电机及作业机械 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210613713.XA CN114966399A (zh) | 2022-05-31 | 2022-05-31 | 电机故障诊断方法、装置、系统、电机及作业机械 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114966399A true CN114966399A (zh) | 2022-08-30 |
Family
ID=82958427
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210613713.XA Pending CN114966399A (zh) | 2022-05-31 | 2022-05-31 | 电机故障诊断方法、装置、系统、电机及作业机械 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114966399A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116086632A (zh) * | 2023-01-28 | 2023-05-09 | 天翼云科技有限公司 | 数据处理方法、装置、电子设备及介质 |
-
2022
- 2022-05-31 CN CN202210613713.XA patent/CN114966399A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116086632A (zh) * | 2023-01-28 | 2023-05-09 | 天翼云科技有限公司 | 数据处理方法、装置、电子设备及介质 |
CN116086632B (zh) * | 2023-01-28 | 2023-08-04 | 天翼云科技有限公司 | 数据处理方法、装置、电子设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220137613A1 (en) | Method and system for predicting failure of mining machine crowd system | |
CN112924205B (zh) | 作业机械故障诊断方法、装置、作业机械和电子设备 | |
EP1538503A1 (en) | Distributed power generation plant automated event assessment and mitigation plan determination process | |
JP6557110B2 (ja) | 状態診断装置及びプログラム | |
CN104737029A (zh) | 用于监视具有周期性行为的电性连接系统的系统及方法 | |
CN110836696A (zh) | 适于调相机系统的远程故障预测方法和系统 | |
CN101224854A (zh) | 起重机综合监测系统及方法 | |
CN109725220B (zh) | 一种变压器油冷却回路的检测方法、系统及装置 | |
JP7198089B2 (ja) | 電力変換装置、回転機システム、及び診断方法 | |
CN114966399A (zh) | 电机故障诊断方法、装置、系统、电机及作业机械 | |
GB2619825A (en) | A fault diagnosis method of blast blower and apparatus, electronic device thereof | |
CN107725456B (zh) | 离心压缩机机组的分析诊断方法和装置 | |
CN112524077A (zh) | 检测风机故障的方法及装置、系统 | |
CN108121329B (zh) | 电源车数据测控系统、方法、电源车、计算机系统及介质 | |
CN102788954B (zh) | 电动机的预防保养装置 | |
CN116802471A (zh) | 综合诊断旋转机械的缺陷的方法及系统 | |
CN112363432A (zh) | 一种水电站辅助设备的监测系统及监测方法 | |
CN109467034B (zh) | 一种举升机的故障检测方法及装置 | |
JP4105852B2 (ja) | 発電設備の遠隔損傷診断システム | |
KR200267127Y1 (ko) | 원자력발전소용 텐덤형 디젤발전기 성능감시장치 | |
AU2015200309B2 (en) | Predicting failure of a mining machine | |
KR102665465B1 (ko) | 모터 다이나모미터 및 그의 자가 진단 방법 | |
JP7281394B2 (ja) | 異常診断装置およびプログラム | |
AU2018256654B2 (en) | Predicting failure of a mining machine | |
CN116879738A (zh) | 基于数据分析的摩托车电机故障预警方法 |
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 |