CN115586440B - 一种基于电机电流的转子系统故障检测方法 - Google Patents

一种基于电机电流的转子系统故障检测方法 Download PDF

Info

Publication number
CN115586440B
CN115586440B CN202211575658.6A CN202211575658A CN115586440B CN 115586440 B CN115586440 B CN 115586440B CN 202211575658 A CN202211575658 A CN 202211575658A CN 115586440 B CN115586440 B CN 115586440B
Authority
CN
China
Prior art keywords
sample
healthy
samples
fault
characteristic
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
Application number
CN202211575658.6A
Other languages
English (en)
Other versions
CN115586440A (zh
Inventor
王平
何虹亮
盖文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Equipment Design and Testing Technology Research Institute of China Aerodynamics Research and Development Center
Original Assignee
Equipment Design and Testing Technology Research Institute of China Aerodynamics Research and Development Center
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Equipment Design and Testing Technology Research Institute of China Aerodynamics Research and Development Center filed Critical Equipment Design and Testing Technology Research Institute of China Aerodynamics Research and Development Center
Priority to CN202211575658.6A priority Critical patent/CN115586440B/zh
Publication of CN115586440A publication Critical patent/CN115586440A/zh
Application granted granted Critical
Publication of CN115586440B publication Critical patent/CN115586440B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G01R31/346—Testing of armature or field windings

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Tests Of Circuit Breakers, Generators, And Electric Motors (AREA)

Abstract

本发明涉及电机电流的转子系统故障诊断领域，公开了一种基于电机电流的转子系统故障检测方法，该方法步骤是，首先获得电机电流的健康样本和故障样本；再通过快速沃尔什变换分别提取健康样本和故障样本的特征，分别获得健康样本的特征矩阵和故障样本的特征矩阵；再利用健康样本的特征矩阵中每个样本的特征，根据最小误差平方和准则，建立误差平方和，并利用非线性最小二乘法计算出使误差平方和最小的参考样本的特征；再计算参考样本的特征与健康样本的特征矩阵中样本特征的距离，计算参考样本的特征与故障样本的特征矩阵中样本特征的距离；再获取最优阈值；再通过阈值判断电机的健康状态。本发明计算量少，准确率高。

Description

一种基于电机电流的转子系统故障检测方法
技术领域
本发明涉及电机电流的转子系统故障诊断技术，具体讲是一种基于电机电流的转子系统故障检测方法。
背景技术
转子系统是电机最为基础也是最为关键的组成部分，由于其对加工制造精度、安装调试、工作环境以及设备维护等方面都有极高的要求，同时具有变速、变载荷、持久工作等特点，因此转子系统是机械设备中最容易发生故障的部位。转子系统能否正常运行会对整个电机的运行状况产生重要的影响，不仅会严重损害电机造成停机故障，进而影响工作进度，还会造成巨大的经济财产损失，甚至是危及工人的人身安全。
现有的方法主要是振动信号分析法。但当无法获取振动信号时，该方法无法使用。已有的电机电流信号分析法是通过提取时域、频域特征，但效果不理想。
发明内容
因此，为了解决上述不足，本发明在此提供一种基于电机电流的转子系统故障检测方法，根据电流对电机进行故障检测，本发明计算量小，准确率高，相较于传统的方法，本方法能进一步降低误报率和漏报率。
具体的，一种基于电机电流的转子系统故障检测方法，包括如下步骤：
步骤一、获得电机电流的健康样本和故障样本；
步骤二、通过快速沃尔什变换分别提取健康样本和故障样本的特征，分别获得健康样本的特征矩阵和故障样本的特征矩阵；
步骤三、利用健康样本的特征矩阵中每个样本的特征，根据最小误差平方和准则，建立误差平方和，并利用非线性最小二乘法计算出使误差平方和最小的参考样本的特征；
步骤四、计算参考样本的特征与健康样本的特征矩阵中样本特征的距离，计算参考样本的特征与故障样本的特征矩阵中样本特征的距离；
步骤五、利用阈值迭代获取最优阈值；
步骤六、通过最优阈值判断电机的健康状态。
本发明具有如下优点：
本发明方案合理，计算量小，能够快速的判断电机电流的转子系统的故障情况；与传统的方法相比，本发明计算量更小，其中传统的方法是根据置信区间或人工经验设置，但实际运行时运行数据较复杂，本方法根据实际运行数据进行设置，能有效降低误报率和漏报率。
附图说明
图1是本发明的流程示意图。
具体实施方式
下面将结合附图1对本发明进行详细说明，对本发明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做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。
如图1所示，一种基于电机电流的转子系统故障检测方法，具体如下：
步骤一、通过宽度为
Figure DEST_PATH_IMAGE002
的移动时间窗口获得电流的健康样本/>
Figure DEST_PATH_IMAGE004
和少量故障样本/>
Figure DEST_PATH_IMAGE006
，其中/>
Figure DEST_PATH_IMAGE008
和/>
Figure DEST_PATH_IMAGE010
分别为健康样本和故障样本的数量。
步骤二、通过快速沃尔什变换分别提取健康样本
Figure DEST_PATH_IMAGE012
和少量故障样本/>
Figure DEST_PATH_IMAGE014
的特征，分别获得健康样本的特征矩阵/>
Figure DEST_PATH_IMAGE016
和故障样本的特征矩阵/>
Figure DEST_PATH_IMAGE018
，其中
Figure DEST_PATH_IMAGE020
，/>
Figure DEST_PATH_IMAGE022
和/>
Figure DEST_PATH_IMAGE024
中每一列为一个样本。
步骤三、令
Figure DEST_PATH_IMAGE026
为与/>
Figure DEST_PATH_IMAGE028
中每个样本的距离最小，则根据最小误差平方和准则，建立公式/>
Figure DEST_PATH_IMAGE030
，并利用非线性最小二乘法计算出使/>
Figure DEST_PATH_IMAGE032
最小的/>
Figure DEST_PATH_IMAGE034
，即参考样本/>
Figure DEST_PATH_IMAGE036
；其中，/>
Figure DEST_PATH_IMAGE037
为误差平方和。
步骤四、通过公式
Figure DEST_PATH_IMAGE039
计算/>
Figure DEST_PATH_IMAGE041
与/>
Figure DEST_PATH_IMAGE043
中第/>
Figure DEST_PATH_IMAGE045
个样本的距离/>
Figure DEST_PATH_IMAGE047
；
通过公式
Figure DEST_PATH_IMAGE049
计算/>
Figure DEST_PATH_IMAGE051
与/>
Figure DEST_PATH_IMAGE053
中第/>
Figure DEST_PATH_IMAGE055
个样本的距离/>
Figure DEST_PATH_IMAGE057
。
步骤五、为了克服分布函数估计方法带来的问题，同时考虑到正常历史数据非常丰富的特点，利用阈值迭代，获取使公式
Figure DEST_PATH_IMAGE059
中准确率/>
Figure DEST_PATH_IMAGE061
为最大值的最优阈值/>
Figure DEST_PATH_IMAGE063
。
其中，
Figure DEST_PATH_IMAGE065
是被检测为故障样本的故障样本数量，/>
Figure DEST_PATH_IMAGE067
是被检测为健康样本的健康样本数量，/>
Figure DEST_PATH_IMAGE069
是被检测为故障样本的健康样本数量，/>
Figure DEST_PATH_IMAGE071
是被检测为健康样本的故障样本数量。
步骤六、当获取新样本
Figure DEST_PATH_IMAGE073
时，通过公式/>
Figure DEST_PATH_IMAGE075
或公式/>
Figure DEST_PATH_IMAGE077
计算/>
Figure DEST_PATH_IMAGE079
与/>
Figure DEST_PATH_IMAGE081
的距离/>
Figure DEST_PATH_IMAGE083
；当/>
Figure DEST_PATH_IMAGE085
时，说明当前电机已出现故障，反之，当前电机仍处于健康状态。
本发明通过快速沃尔什变换提取健康样本和故障样本的特征，并通过根据最小误差平方和准则建立式
Figure DEST_PATH_IMAGE086
，利用非线性最小二乘法计算出使/>
Figure DEST_PATH_IMAGE088
最小的
Figure DEST_PATH_IMAGE090
，即参考样本/>
Figure DEST_PATH_IMAGE092
，为后续故障检测减轻了计算量；同时本发明根据准确率/>
Figure DEST_PATH_IMAGE094
的最大值确定最优阈值/>
Figure DEST_PATH_IMAGE096
，提高了阈值的准确性。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (5)

1.一种基于电机电流的转子系统故障检测方法，其特征在于，包括如下步骤：
S1、获得电机电流的健康样本和故障样本；
S2、通过快速沃尔什变换分别提取健康样本和故障样本的特征，分别获得健康样本的特征矩阵和故障样本的特征矩阵；
S3、利用健康样本的特征矩阵中每个样本的特征，根据最小误差平方和准则，建立误差平方和，并利用非线性最小二乘法计算出使误差平方和最小的参考样本的特征；
S4、计算参考样本的特征与健康样本的特征矩阵中样本特征的距离，计算参考样本的特征与故障样本的特征矩阵中样本特征的距离；
S5、利用阈值迭代获取最优阈值；
S6、通过最优阈值判断电机的健康状态
所述步骤S3的具体方法如下：
令
Figure QLYQS_1
为与/>
Figure QLYQS_4
中每个样本的距离最小，则根据最小误差平方和准则，建立公式
Figure QLYQS_7
，并利用非线性最小二乘法计算出使/>
Figure QLYQS_2
最小的/>
Figure QLYQS_5
，其中，/>
Figure QLYQS_6
为参考样本，S为误差平方和，其中/>
Figure QLYQS_8
和/>
Figure QLYQS_3
分别为健康样本和故障样本的数量；
所述步骤S5的具体方法如下：
利用阈值迭代，获取使公式
Figure QLYQS_9
中准确率/>
Figure QLYQS_10
为最大值的最优阈值/>
Figure QLYQS_11
，
其中，
Figure QLYQS_12
是被检测为故障样本的故障样本数量，/>
Figure QLYQS_13
是被检测为健康样本的健康样本数量，/>
Figure QLYQS_14
是被检测为故障样本的健康样本数量，/>
Figure QLYQS_15
是被检测为健康样本的故障样本数量。
2.根据权利要求1所述一种基于电机电流的转子系统故障检测方法，其特征在于，所述步骤S1的具体方法如下：
通过宽度为
Figure QLYQS_16
的移动时间窗口获得电机电流的健康样本/>
Figure QLYQS_17
和故障样本/>
Figure QLYQS_18
。
3.根据权利要求2所述一种基于电机电流的转子系统故障检测方法，其特征在于，所述步骤S2的具体方法如下：
通过快速沃尔什变换分别提取健康样本
Figure QLYQS_19
和少量故障样本/>
Figure QLYQS_20
的特征，分别获得健康样本的特征矩阵/>
Figure QLYQS_21
和故障样本的特征矩阵/>
Figure QLYQS_22
，其中/>
Figure QLYQS_23
，
Figure QLYQS_24
和/>
Figure QLYQS_25
中每一列为一个样本。
4.根据权利要求3所述一种基于电机电流的转子系统故障检测方法，其特征在于，所述步骤S4的具体方法如下：
通过公式
Figure QLYQS_26
计算/>
Figure QLYQS_27
与/>
Figure QLYQS_28
中第/>
Figure QLYQS_29
个样本的距离/>
Figure QLYQS_30
；
通过公式
Figure QLYQS_31
计算/>
Figure QLYQS_32
与/>
Figure QLYQS_33
中第/>
Figure QLYQS_34
个样本的距离/>
Figure QLYQS_35
。
5.根据权利要求4所述一种基于电机电流的转子系统故障检测方法，其特征在于，所述步骤S6的具体方法如下：
当获取新样本
Figure QLYQS_36
时，通过公式/>
Figure QLYQS_37
或/>
Figure QLYQS_38
计算
Figure QLYQS_39
与/>
Figure QLYQS_40
的距离/>
Figure QLYQS_41
；
当
Figure QLYQS_42
时，说明当前电机已出现故障，反之，当前电机仍处于健康状态。/>
CN202211575658.6A 2022-12-09 2022-12-09 一种基于电机电流的转子系统故障检测方法 Active CN115586440B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211575658.6A CN115586440B (zh) 2022-12-09 2022-12-09 一种基于电机电流的转子系统故障检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211575658.6A CN115586440B (zh) 2022-12-09 2022-12-09 一种基于电机电流的转子系统故障检测方法

Publications (2)

Publication Number Publication Date
CN115586440A CN115586440A (zh) 2023-01-10
CN115586440B true CN115586440B (zh) 2023-05-19

Family

ID=84783363

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211575658.6A Active CN115586440B (zh) 2022-12-09 2022-12-09 一种基于电机电流的转子系统故障检测方法

Country Status (1)

Country Link
CN (1) CN115586440B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112162213A (zh) * 2020-08-25 2021-01-01 辽宁红沿河核电有限公司 多相角形无刷励磁系统的励磁绕组短路故障检测方法、装置
CN112952830A (zh) * 2021-04-16 2021-06-11 山东科技大学 一种故障后电力系统暂态稳定预测方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102033200B (zh) * 2009-09-29 2013-11-20 上海宝钢工业检测公司 基于统计模型的交流电机在线监测和诊断方法
DE102011079398A1 (de) * 2010-12-21 2012-06-21 Siemens Aktiengesellschaft Überwachung und Fehlerdiagnose einer elektrischen Maschine
CN103926533B (zh) * 2014-03-24 2016-09-07 河海大学 永磁同步电机失磁故障在线诊断方法及系统
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
US10429419B2 (en) * 2015-03-26 2019-10-01 The University Of Akron System and method for iterative condition monitoring and fault diagnosis of electric machines
CN110033105B (zh) * 2019-04-18 2022-04-01 中国人民解放军国防科技大学 一种复杂工况下非平衡数据集的悬浮系统故障检测方法
CN112595976A (zh) * 2020-12-22 2021-04-02 电子科技大学 一种基于堆叠稀疏自编码器的开关磁阻电机故障诊断方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112162213A (zh) * 2020-08-25 2021-01-01 辽宁红沿河核电有限公司 多相角形无刷励磁系统的励磁绕组短路故障检测方法、装置
CN112952830A (zh) * 2021-04-16 2021-06-11 山东科技大学 一种故障后电力系统暂态稳定预测方法

Also Published As

Publication number Publication date
CN115586440A (zh) 2023-01-10

Similar Documents

Publication Publication Date Title
CN103776654B (zh) 多传感器信息融合的故障诊断方法
CN105955219B (zh) 基于互信息的分布式动态过程故障检测方法
CN106680012B (zh) 一种面向大型燃煤发电机组非平稳过程的故障检测方法和诊断方法
CN109489977B (zh) 基于KNN-AdaBoost的轴承故障诊断方法
CN103776480B (zh) 基于多次移动平均的微小故障检测方法和装置
CN107357275A (zh) 非高斯工业过程故障检测方法及系统
CN105259895A (zh) 一种工业过程微小故障的检测和分离方法及其监测系统
CN106897509B (zh) 一种动态非高斯结构监测数据异常识别方法
CN111679158A (zh) 基于同步量测数据相似度的配电网故障辨识方法
CN105404280A (zh) 基于自回归动态隐变量模型的工业过程故障检测方法
CN106483847B (zh) 一种基于自适应ica的冷水机组故障检测方法
CN108490908B (zh) 一种面向百万千瓦超超临界机组变工况运行的动态分布式监测方法
CN109356798B (zh) 一种基于协整分析的风力发电机齿轮箱状态监测方法
CN103389701A (zh) 基于分布式数据模型的厂级过程故障检测与诊断方法
CN111367253B (zh) 基于局部自适应标准化的化工系统多工况故障检测方法
CN104615123B (zh) 基于k近邻的传感器故障隔离方法
CN103207567A (zh) 一种低误报率的改进主元分析过程监测方法及其监测系统
CN115586440B (zh) 一种基于电机电流的转子系统故障检测方法
CN110119579B (zh) 一种基于oica的复杂工业过程故障监测方法
CN103853144A (zh) 基于采油生产数据的现场传感器故障检测方法
CN114519382A (zh) 一种核动力装置关键运行参数提取与异常监测方法
CN106442830B (zh) 变压器油中气体含量告警值的检测方法和系统
CN117314020A (zh) 一种浮游生物的湿地碳汇数据监测系统
CN113298133B (zh) 超临界机组锅炉爆管故障诊断方法
CN114199505B (zh) 一种基于相关性分析的发电机定子线棒流通性评价方法

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
GR01 Patent grant
GR01 Patent grant