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 PDFInfo
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 10
- 239000000523 sample Substances 0.000 claims abstract description 46
- 238000000034 method Methods 0.000 claims abstract description 26
- 239000011159 matrix material Substances 0.000 claims abstract description 19
- 230000036541 health Effects 0.000 claims abstract description 9
- 239000013074 reference sample Substances 0.000 claims abstract description 9
- 230000009466 transformation Effects 0.000 claims abstract description 3
- 238000000605 extraction Methods 0.000 claims 1
- 238000009472 formulation Methods 0.000 claims 1
- 239000000203 mixture Substances 0.000 claims 1
- 238000003745 diagnosis Methods 0.000 abstract description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
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
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:
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,利用非线性最小二乘法计算出使/>最小的,即参考样本/>,为后续故障检测减轻了计算量;同时本发明根据准确率/>的最大值确定最优阈值/>,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:
所述步骤S5的具体方法如下:
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)
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)
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 |
-
2022
- 2022-12-09 CN CN202211575658.6A patent/CN115586440B/zh active Active
Patent Citations (2)
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 |