CN116046051A - 一种智能电机管理方法及其系统、电子设备 - Google Patents
一种智能电机管理方法及其系统、电子设备 Download PDFInfo
- Publication number
- CN116046051A CN116046051A CN202211212059.8A CN202211212059A CN116046051A CN 116046051 A CN116046051 A CN 116046051A CN 202211212059 A CN202211212059 A CN 202211212059A CN 116046051 A CN116046051 A CN 116046051A
- Authority
- CN
- China
- Prior art keywords
- motor
- preset
- data
- weight
- preset threshold
- 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.)
- Granted
Links
- 238000007726 management method Methods 0.000 title claims abstract description 34
- 238000004364 calculation method Methods 0.000 claims abstract description 81
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 53
- 238000013528 artificial neural network Methods 0.000 claims abstract description 46
- 238000000034 method Methods 0.000 claims abstract description 41
- 230000002159 abnormal effect Effects 0.000 claims abstract description 30
- 230000008569 process Effects 0.000 claims abstract description 15
- 238000001514 detection method Methods 0.000 claims description 108
- 230000008859 change Effects 0.000 claims description 60
- 238000004458 analytical method Methods 0.000 claims description 34
- 238000012545 processing Methods 0.000 claims description 10
- 238000005457 optimization Methods 0.000 abstract description 4
- 230000035945 sensitivity Effects 0.000 abstract description 4
- 230000007613 environmental effect Effects 0.000 description 20
- 238000012544 monitoring process Methods 0.000 description 15
- 238000002474 experimental method Methods 0.000 description 12
- 230000008901 benefit Effects 0.000 description 9
- 230000032683 aging Effects 0.000 description 8
- 230000005672 electromagnetic field Effects 0.000 description 8
- 238000009434 installation Methods 0.000 description 8
- 238000012423 maintenance Methods 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 8
- 238000003860 storage Methods 0.000 description 8
- 238000013459 approach Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 6
- 238000013461 design Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 239000002699 waste material Substances 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 3
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000008140 language development Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02H—EMERGENCY PROTECTIVE CIRCUIT ARRANGEMENTS
- H02H7/00—Emergency protective circuit arrangements specially adapted for specific types of electric machines or apparatus or for sectionalised protection of cable or line systems, and effecting automatic switching in the event of an undesired change from normal working conditions
- H02H7/08—Emergency protective circuit arrangements specially adapted for specific types of electric machines or apparatus or for sectionalised protection of cable or line systems, and effecting automatic switching in the event of an undesired change from normal working conditions for dynamo-electric motors
- H02H7/0822—Integrated protection, motor control centres
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Control Of Electric Motors In General (AREA)
Abstract
本发明具体公开一种智能电机管理方法及其系统、电子设备，本发明的计算模块将所述采集模块采集的电压信号、电流信号及温度信号处理得到电压数据、电流数据及温度数据并将其作为预设神经网络算法的输入并根据电压数据、电流数据及温度数据实时调整预设神经网络算法的输入的权重并通过预设神经网络算法计算得到输出结果，并依此来判断电机是否正常运行；当计算模块判定电机处于异常运行状态时，计算模块调整电机占空比，当计算模块判断电机占空比自动调整成功，控制参数调整模块将电机的电机占空比和权重参数更新为最后一次调整后的电机占空比和权重，实现了神经网络算法的自优化，实现高敏感度、高智能化、高可靠性的智能电机管理。
Description
技术领域
本发明属于智能电机管理方法领域，具体公开一种智能电机管理方法及其系统、电子设备。
背景技术
随着各行业的不断发展，越来越多的电机采用机器学习和神经网络算法完成对电机的运行状态的监测、调整和管理，随着电机的使用量逐渐增多，管理电机过程中设备容易受到自身电子元器件状态的波动或老化或外界的环境因素的干扰，如电磁场波动、环境温度波动等因素都可能会电机运行状态产生一定影响，且电机运行状态一旦发生变化，通常属于紧急情况，需要高敏感度、高智能化的监测方法才能实现电机参数的及时、高效、高安全性和高稳定性的参数调整，以调整电机的工作状态，保证电机的工作效率，从而造成自动化调整电机参数十分困难，且电机产品种类繁多，人工通过经验设计的神经网络算法模型通常比较困难且繁琐，且程序和参数设置有偏差时亦会对监控结果的判定产生一定影响，甚至分析错误，从电机管理质量和算法自优化方面考虑，对管理系统的智能化程度和可靠性的要求越来越高，急需一种高智能化、高可用性的智能电机管理方法及其系统、电子设备，用以实现神经网络算法的自优化，实现高敏感度、高智能化、高可靠性的电机管理。
因此，现有技术还有待于进一步发展和改进。
发明内容
针对现有技术的种种不足，为了解决上述问题，本发明提出一种高敏感度、高智能化、高可靠性的智能电机管理方法及其系统、电子设备，本发明提供如下技术方案：
根据本发明的第一方面，提供了一种智能电机管理方法，其特征在于，
目标电机启动后，按第一检测周期获取目标电机的当前工作信号，其中，工作信号包括电流信号、电压信号和温度信号；
解析信号并将解析后得到的电流数据、电压数据和温度数据按预设规则进行第一权重、第二权重、第三权重赋值并通过预设神经网络算法计算输出结果，比较输出结果是否大于预设阈值，当输出结果大于预设阈值，则按第二检测周期获取目标电机的工作信号；
按第二检测周期获取第一预设次数的工作信号并解析，将解析后得到的电流数据、电压数据和温度数据按预设规则进行第一权重、第二权重、第三权重赋值并通过预设神经网络算法计算输出结果，当输出结果大于预设阈值的次数超过第二预设次数，按照第一预设比例调整小于或等于第三预设次数的电机占空比，并在每次调整电机占空比后按第三检测周期获取目标电机的工作信号；
按第三检测周期分别获取第四预设次数的工作信号并解析，将解析后得到的电流数据、电压数据和温度数据按预设规则进行第一权重、第二权重、第三权重赋值并通过预设神经网络算法计算输出结果，将输出结果与预设阈值进行比较分析，若输出结果接近预设阈值的数据增量大于或等于远离预设阈值的数据增量且第一权重所对应项的变化速率小于或等于预设警戒值，则继续对电机占空比按第一预设比例进行调整，当累计调整电机占空比的次数大于或等于第三预设次数且输出结果大于预设阈值时，则计算模块判定电机此时处于异常运行状态，控制参数调整模块撤销本轮循环内所有占空比和权重调整、控制电机停机并向后台发送报警信息。
进一步地，所述预设规则包括：
实时监测解析后得到的电流数据、电压数据及温度数据的变化速率，将电流数据取整后得到第一因素值，将电压数据取整后得到第二因素值，将温度数据取整后得到第三因素值，将电流数据、电压数据及温度数据按照数据变化速率的大小依次赋予第一权重、第二权重和第三权重，将第一因素值、第二因素值及第三因素值及其对应的权重输入预设神经网络算法中，计算得到输出结果。
进一步地，所述方法还包括：
所述预设阈值包括第一预设阈值、第二预设阈值和第三预设阈值，所述第一预设阈值对应电流数据设置，所述第二预设阈值对应电压数据设置，所述第三预设阈值对应温度数据设置，当电流数据被赋予第一权重时，观察输出结果是否大于第一预设阈值，当电压数据被赋予第一权重时，观察输出结果是否大于第二预设阈值，当温度数据被赋予第一权重时，观察输出结果是否大于第三预设阈值。
进一步地，所述方法还包括：
当输出结果大于预设阈值的次数大于第二预设次数，按照第一预设比例减小第三预设次数的电机占空比，并在每次调整电机占空比后按第三检测周期获取采集模块采集的设备的电流信号、电压信号及温度信号。
进一步地，所述方法还包括：
若输出结果接近预设阈值的数据增量大于或等于远离预设阈值的数据增量且第一权重所对应项的变化速率小于或等于预设警戒值，则继续对电机占空比按第一预设比例进行减小；
若输出结果接近预设阈值的数据增量小于远离预设阈值的数据增量且第一权重所对应项的变化速率小于或等于预设警戒值，则对电机占空比按第二预设比例进行增大。
进一步地，所述方法还包括：当对电机占空比按第二预设比例进行增大后的下一第三检测周期检测，输出结果接近预设阈值的数据增量仍小于远离预设阈值的数据增量且第一权重所对应项的变化速率小于或等于预设警戒值，则计算模块判定电机此时处于异常运行状态，参数调整模块撤销本轮循环内所有占空比和权重调整、控制电机停机并向后台发送报警信息。
进一步地，所述方法还包括：
在电机占空比调整过程中，若监测到电流数据变化速率和/或电压数据变化速率和/或温度数据变化速率大于预设警戒值，计算模块判定电机此时处于异常运行状态，参数调整模块撤销本轮循环内所有占空比和权重调整、控制电机停机并向后台发送报警信息；
当输出结果小于预设阈值时，控制模块判断电机自调整成功，将电机的电机占空比和权重参数更新为最后一次调整后的电机占空比和权重。
进一步地，所述通过预设神经网络算法计算输出结果包括：
所述输出结果的计算方法为将第一因素值、第二因素值和第三因素值分别与其对应的权重相乘后求和得出；
所述第一检测周期为60秒，所述第二检测周期为20秒，所述第三检测周期为5秒，所述第一预设次数为120次，所述第二预设次数为100次，所述第三预设次数为15次，所述第四预设次数为5次，所述第一权重为20，所述第二权重为15，所述第三权重为10。
根据本发明的第二方面，提供了一种智能电机管理系统，其特征在于，包括采集模块、计算模块和参数调整模块；
所述采集模块用于采集目标电机的工作信号；
所述计算模块用于将所述采集模块采集的电压信号、电流信号及温度信号处理得到电压数据、电流数据及温度数据并将其作为预设神经网络算法的输入并根据电压数据、电流数据及温度数据实时调整预设神经网络算法的输入的权重并通过预设神经网络算法计算得到输出结果，并依此来判断电机是否正常运行；当计算模块判定参数调整无效、电机此时处于异常运行状态时，控制参数调整模块撤销本轮循环内所有占空比和权重调整，控制电机停机并向后台发送报警信息；当计算模块判断电机自调整成功，控制参数调整模块将电机的电机占空比和权重参数更新为最后一次调整后的电机占空比和权重；
所述参数调整模块用于在电机处于异常运行状态时调整电机占空比。
根据本发明的第三方面，提供了一种电子设备，所述电子设备包括：
存储器；以及处理器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现根据权利要求1至8中任一项所述的基于智能网关实现的设备监测方法。
本发明的有益效果是：
1、本发明可以实现当采集模块的采集到的电机的电流数据、电压数据或温度数据出现波动时，通过对采集到的电机的电流和电压数据处理，实时更新神经网络算法的第一因素值、第二因素值和第三因素值，并通过对电流数据、电压数据和温度数据的变化速率的大小实时更新电流数据、电压数据和温度数据所对应的权重，实现了对设备的电压、电流、温度、运行状态的高敏感度的智能整合监测，大大提高了智能电机管理方法的智能化程度，很大程度上提高了监测管理的质量，大大拓展了本发明的应用场景。
2、本发明可以防止设备容易受到自身电子元器件状态的波动或老化或外界的环境因素的干扰，如电磁场波动、环境温度波动等因素都可能会电机运行状态产生一定影响，解决了电机运行状态一旦发生变化需要高敏感度、高智能化的监测管理方法实现电机参数的及时、高效、高安全性和高稳定性的参数调整来调整电机的工作状态以保证电机的工作效率的问题。
3、本发明仅通过算法即可实现对电机的电流数据、电压数据和温度数据的智能监测分析，从而实现对电机占空比的智能化微调，当电机的运行状态发生变化时，及时、高效、高安全性和高稳定性的调整电机参数，无需复杂的系统及建模运算，在保证分析精度的情况下大大简化了系统架构，很大程度上降低了系统生产安装维护成本，大大提高了企业效益。
4、本发明的计算模块通过将所述采集模块采集的电压信号、电流信号及温度信号处理得到电压数据、电流数据及温度数据并将其作为预设神经网络算法的输入并根据电压数据、电流数据及温度数据实时调整预设神经网络算法的输入的权重并通过预设神经网络算法计算得到输出结果，并依此来判断电机是否正常运行；当计算模块判定参数调整无效、电机此时处于异常运行状态时，控制参数调整模块撤销本轮循环内所有占空比和权重调整，控制电机停机并向后台发送报警信息；当计算模块判断电机占空比自动调整成功，控制参数调整模块将电机的电机占空比和权重参数更新为最后一次调整后的电机占空比和权重，实现神经网络算法的自优化，解决了人工通过经验设计完善的神经网络算法模型通常比较困难且繁琐、且参数设置有偏差时亦会对监控结果的判定产生一定影响、甚至分析错误的问题，进一步增强了本发明的智能化程度，极大的拓展了本发明的应用场景。
5、本发明通过巧妙的设计第一检测周期为60秒，所述第二检测周期为20秒，所述第三检测周期为5秒，所述第一预设次数为120次，所述第二预设次数为100次，所述第三预设次数为15次，所述第四预设次数为5次，所述第一权重为20，所述第二权重为15，所述第三权重为10，第一预设比例为1％，第二预设比例为1.2％。通过综合考虑现场可能发生状况以及电路实现方式，对电路各项参数进行优选设计，在避免现场各种情况对系统判断结果的影响的同时，优化程序架构，大大提高了系统分析效率，很大程度上节约了时间和人力成本，实现智能网关的超低功耗高可靠性运行。
附图说明
图1为本发明具体实施例中智能电机管理方法流程图；
图2为本发明另一具体实施例中智能电机管理方法的示意图；
图3为本发明具体实施例中智能电机管理系统的原理框图。
具体实施方式
为了使本领域的人员更好地理解本发明的技术方案，下面结合本发明的附图，对本发明的技术方案进行清楚、完整的描述，基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的其它类同实施例，都应当属于本申请保护的范围。此外，以下实施例中提到的方向用词，例如“上”“下”“左”“右”等仅是参考附图的方向，因此，使用的方向用词是用来说明而非限制本发明创造。
下面结合附图和较佳的实施例对本发明作进一步说明。
请参阅图1，本发明提供一种基于智能网关实现的设备监测方法，包括：
S100、目标电机启动后，按第一检测周期获取目标电机的当前工作信号，其中，工作信号包括电流信号、电压信号和温度信号。
这里需要说明的是，本发明的目标电机中预先设置采集模块，所述采集模块包括高精度电流传感器、高精度电压传感器和高精度温度传感器，用于实时采集目标的电流信号、电流、和温度信号，即采集模块能够实时产生关于电流、电压、温度变化的信号。
步骤S100之前包括：预设第一检测周期、第一权重、第二权重、第三权重、第一预设比例、第二预设比例、第一预设次数、第二预设次数、第三预设次数、第四预设次数、第二检测周期、第三检测周期。基于所预设的第一检测周期，计算模块周期性采集由采集模块产生的检测信号，优选的是，所述第一检测周期为60秒，第一权重为20，所述第二权重为15，所述第三权重为10，所述第一预设比例为1％，所述第二预设比例为1.2％，所述第一预设次数为120次，所述第二预设次数为100次，所述第三预设次数为15次，所述第四预设次数为5次，所述第二检测周期为20分钟，所述第三检测周期为5秒。
S200、解析信号并将解析后得到的电流数据、电压数据和温度数据按预设规则进行第一权重、第二权重、第三权重赋值并通过预设神经网络算法计算输出结果，比较输出结果是否大于预设阈值，当输出结果大于预设阈值，则按第二检测周期获取目标电机的工作信号。
这里需要说明的是，所述预设阈值包括第一预设阈值、第二预设阈值和第三预设阈值，所述第一预设阈值对应电流数据设置，所述第二预设阈值对应电压数据设置，所述第三预设阈值对应温度数据设置，当电流数据被赋予第一权重时，观察输出结果是否大于第一预设阈值，当电压数据被赋予第一权重时，观察输出结果是否大于第二预设阈值，当温度数据被赋予第一权重时，观察输出结果是否大于第三预设阈值。当电流数据、电压数据、温度数据中某一项被赋值为第一权重时，实时将预设阈值切换到与该项对应的阈值，当电流数据被赋值为第一权重时，将输出结果与第一预设阈值比较，当电压数据被赋值为第一权重时，将输出结果与第二预设阈值比较，当温度数据被赋值为第一权重时，将输出结果与第三预设阈值比较，此设置可实现预设阈值的智能切换，大大提高了分析结果的可靠性，进一步提高了本装置的智能化，将计算模块对所获取的电流信号、电压信号及温度信号进行解析，解析数据中包含采集模块获得的电机当前时刻的电流数据、电压数据及温度数据，所述第一因素值根据电流值取整得出，所述第二因素值根据电压值取整得出，所述第三因素值根据温度值取整得出，所述输出结果的计算方法为将第一因素值、第二因素值和第三因素值分别与其对应的权重相乘后求和得出。所述第一权重为20，所述第二权重为15，所述第三权重为10，将第一权重设置为20、将第二权重设置为15以及将第三权重设置为10为本发明技术人员通过大量实验得出，电机的电流、电压、自身温度波动通常是造成设备损伤或其他异常情况的重要因素，因此在本发明的神经网络算法中，通过计算模块实时监测电机当前时刻的电流数据、电压数据及温度数据的变化速率，将第一权重赋值为20，将第二权重赋值为15，将第二权重赋值为10，将电流数据、电压数据及温度数据按照数据变化速率的大小依次赋予第一权重、第二权重和第三权重，此设置可以实现始终保持变化速率最大的项所对应的权重为最高权重，此设置可以实现始终保持当前电机运行过程中的波动最为剧烈即对电机运行影响最大的项所对应的权重为最高权重，此设置可以大大提高本发明的对影响电机运行状态的各项因素波动的敏感度和智能化程度，实现当电机运行状态改变时对电机参数的及时、高效、高安全性和高稳定性的参数调整，此设置可以在大大简化系统架构和系统复杂度的基础上，完成对设备电流、电压状态的分析，大大降低了本系统的生产维护成本，很大程度上提高了本发明的可用性，大大拓展了本发明的应用场景，此计算方法可以实现将所述采集模块采集的电流、电压、电机温度信息处理为神经网络算法的输入并计算得到输出结果，可以实现当采集模块的采集到的电机的电流数据、电压数据或温度数据出现波动时，通过对采集到的电机的电流和电压数据处理，实时更新神经网络算法的第一因素值、第二因素值和第三因素值，并通过对电流数据、电压数据和温度数据的变化速率的大小实时更新电流数据、电压数据和温度数据所对应的权重，实现了对设备的电压、电流、温度、运行状态的高敏感度的智能整合监测，调用预设阈值与输出结果进行比较，所述第二检测周期为20秒，将第二检测周期设置为20秒为本发明技术人员通过大量试验得出，当计算模块按第一检测周期周期性计算出的输出结果大于预设阈值时，说明电机的运行的电流和\或电压和\或温度存在波动，此时计算模块需要判断此时出现的电流和\或电压和\或温度存在波动是否为由于自身电子元器件状态的波动或老化或外界的环境因素的干扰，如电磁场波动、环境温度波动等因素引起的，服务器需要判断此时电机的运行是否仍处于正常状态，将第二检测周期缩短为20秒可在保证检测结果可靠性的同时，防止由于各种因素波动导致的系统误判，进一步增强了本系统的稳定性，并在正常监测时，减小计算模块的运算量，实现计算模块的低功耗运行，大大节约运算资源。当按第一检测周期计算出的输出结果小于预设阈值时，计算模块判断目标电机仍处于正常运行状态，此时系统继续按第一检测周期周期性获取采集模块的检测信号。仅通过目标电机的电流、电压及温度检测信号进行分析，便可以完成对电机运行状态的分析，很大程度上简化了分析流程，大大提高了分析效率，降低了系统复杂度，大大降低了系统生产安装运维各环节成本，很大程度上提高了企业效益。
S300、按第二检测周期获取第一预设次数的工作信号并解析，将解析后得到的电流数据、电压数据和温度数据按预设规则进行第一权重、第二权重、第三权重赋值并通过预设神经网络算法计算输出结果，当输出结果大于预设阈值的次数超过第二预设次数，按照第一预设比例调整小于或等于第三预设次数的电机占空比，并在每次调整电机占空比后按第三检测周期获取目标电机的工作信号。
具体的，当输出结果与调用的预设阈值进行比较后，计算模块按第一检测周期周期性检测到输出结果时，则启动另一工作流程，即调用预设的第二检测周期获取采集模块采集的电机的电流、电压、温度检测信号，所述第二检测周期为20秒，第二检测周期设置20秒为本发明技术人员通过大量试验得出，当计算模块通过神经网络算法计算出的输出结果在某一时刻大于预设阈值时，肯定发生异常情况事件，此时本发明通过预先设置第二检测周期并使第二检测周期小于第一检测周期，大大提升后续数据分析的可靠性，通过优化程序结构，仅在发生设备电流、电压波动时进入第二检测周期，实现本发明系统的超低功耗运行，因此，本发明设置第二检测周期为20秒，能够较好地提高发生危险或紧急事件后数据分析的可靠性以及实现本发明系统的超低功耗运行。第一预设次数为120次，第二预设次数为100次，将第一预设次数设置为120次以及将第二预设次数设置为100次为本发明人员通过大量试验后得出，因为，当输出结果在某一时刻大于预设阈值时，肯定发生异常情况事件，此时，本发明通过尽可能合理的检测频率获取检测信号并解析，在保证分析结果准确性的同时，避免不必要的CPU资源浪费，如果是自身电子元器件状态的正常波动或老化或如外界温湿度变化之类的短时间变化的环境因素引起，此时设备应仍为正常运行状态，如果是外界的环境因素的干扰，如电磁场波动、波动环境温度、环境湿度等因素导致的设备电压、电流波动，设备的运行状态应在20秒之内恢复正常，即在20秒内通过神经网络算法得到的120次输出结果，有100次或100次以上的输出结果小于预设阈值，如果设备的运行状态在20秒内无法恢复正常，即在20秒内计算得到的120次输出结果，仅有小于100次的输出结果小于预设阈值，此时服务器判断设备运行状态为无法自行恢复，需要进入参数调整阶段，避免由于自身电子元器件状态的正常波动或老化而导致系统误判。因为如果20秒内计算得到的120次输出结果有大于或等于20次的输出结果仍大于预设阈值，代表此时的设备运行状态波动较大，此时进入参数调整阶段可在分析结果可靠的前提下，避免各项成本的进一步浪费，此设置可以较好的分析此时出现的设备电压、电流波动是否能够自行恢复，程度设计合理，大大提高了本发明的分析结果准确性并降低了本发明系统能耗。
S400、按第三检测周期分别获取第四预设次数的工作信号并解析，将解析后得到的电流数据、电压数据和温度数据按预设规则进行第一权重、第二权重、第三权重赋值并通过预设神经网络算法计算输出结果，将输出结果与预设阈值进行比较分析，若输出结果接近预设阈值的数据增量大于或等于远离预设阈值的数据增量且第一权重所对应项的变化速率小于或等于预设警戒值，则继续对电机占空比按第一预设比例进行调整，当累计调整电机占空比的次数大于或等于第三预设次数且输出结果大于预设阈值时，则计算模块判定电机此时处于异常运行状态，控制参数调整模块撤销本轮循环内所有占空比和权重调整、控制电机停机并向后台发送报警信息。
具体的，若当前第三检测周期内，输出结果接近预设阈值的数据增量大于或等于远离预设阈值的数据增量且第一权重对应的项的变化速率小于预设警戒值，则按照第一预设比例减小电机占空比，直到输出结果小于预设阈值或者对电机占空比累计分别调整了第三预设次数后输出结果仍大于预设阈值；
若当前第三检测周期内，输出结果接近预设阈值的数据增量小于远离预设阈值的数据增量且第一权重对应的项的变化速率小于预设警戒值，则按照第二预设比例增大第一占空比，直到输出结果小于预设阈值或者对电机占空比累计分别调整了第三预设次数后输出结果仍大于预设阈值。
当按第二预设比例增大电机占空比后，下一第三周期检测输出结果接近预设阈值的数据增量仍小于远离预设阈值的数据增量，即当增大电机占空比仍无法使输出结果接近预设阈值时，撤销本轮循环内所有占空比和权重调整，控制电机停机并向后台发送报警信息，此设置可大大提高电机占空比调节过程的效率和可靠性，上述设置可以在保证调节精度的基础上，降低系统程序的计算复杂度，程序设计巧妙合理且简捷高效，解决了现有技术通过人工调整神经网络模型十分复杂繁琐的问题，很大程度上提高了电机占空比调整密度和调整效率，很大程度上提高了企业效益。
具体地，在电机占空比调整过程中，如果监测到电流数据变化速率和/或电压数据变化速率和/或温度数据变化速率大于预设警戒值，计算模块判定电机此时处于异常运行状态，参数调整模块撤销本轮循环内所有占空比和权重调整、控制电机停机并向后台发送报警信息；此设置可以实现对电机占空比调整过程中，实时检测电机工作信号数据的变化速率，防止工作信号数据变化速率过快产生安全隐患，实现电机的占空比的高稳定性、高可靠性调节，大大提高了本发明的稳定性和可靠性。
具体地，所述第一预设比例为1％，所述第二预设比例为1.2％，所述第三检测周期为5秒，所述第三预设次数为15次，所述第4检测次数为5次，将所述第一预设比例为1％、将所述第二预设比例为1.2％为本发明技术人员通过大量试验得出，此设置可以较好的完成对电机转速的微调，可以在较好地实现对电机占空比的遍历调节，大大简化程序系统复杂度，提高了参数调节质量和效率，很大程度上降低了本发明生产安装所需成本，大大拓展了本发明的应用场景。
一般情况下，当设备受到自身电子元器件状态的正常波动或老化或外界的环境因素的干扰，如电磁场波动、波动环境温度、环境湿度等因素时，电流会增大，而通常电流增大或电压增大或电机温度升高是产生异常情况甚至危险情况的直接原因，所以本发明优先按照第一预设比例减小电机占空比，当减小电机占空比无法使输出结果接近预设阈值时，本发明再按照第二预设比例增大电机占空比，此设置可大大提高电机占空比调节过程的效率和可靠性，上述设置可以在保证调节精度的基础上，降低系统程序的计算复杂度，程序设计巧妙合理，解决了现有技术通过人工调整神经网络模型十分复杂繁琐的问题，很大程度上提高了电机占空比调整密度和调整效率，很大程度上提高了企业效益。
将第三预设次数设置为15次，将第三检测周期设置为5秒，将第四预设次数设置为5次为本发明技术人员通过大量实验得出，此设置在较好的分析每次调整电机占空比过后电流、电压及温度的变化的同时，节约分析时间，提高权重调整效率，大大拓展了本装置的应用场景。
具体的，计算模块将按第三检测周期计算得到的5次输出结果依次连线绘图，当相邻两次输出结果的变化趋势接近预设阈值时，将此相邻两次输出结果的变化量称为接近预设阈值的数据子增量，当相邻两次输出结果的变化趋势远离预设阈值时，将此相邻两次输出结果的变化量称为远离预设阈值的数据子增量，计算模块将各接近预设阈值的数据子增量汇总为当前第三检测周期内接近预设阈值的数据增量，将各远离预设阈值的数据子增量汇总为当前第三检测周期内远离预设阈值的数据增量，若当前第三检测周期内接近预设阈值的数据增量大于远离预设阈值的数据增量且电流变化速率、电压变化速率和温度变化速率都没有超过预设警戒值，计算模块判断当前第三周期内的输出结果为接近预设阈值，此次参数调整有效，计算模块继续按照第一预设比例调整电机占空比，直到输出结果小于预设阈值或者对第一权重和第二权重累计分别调整了第三预设次数后输出结果仍大于预设阈值。当累计分别调整了第三预设次数的电机占空比后，在下一第三周期检测时，计算模块计算得到的输出结果仍大于预设阈值，或者对电流数据、电压数据及温度数据的变化率进行监测时，任一项数据的变化速率超过预设警戒值，此时计算模块判断电机占空比调整无效，此时的设备的电流和/或电压和/或温度波动为异常情况，撤销本次循环内所有对电机占空比的调整，计算模块控制电机停机并产生预测告警信息并发送至后台。实现电机参数初始化并将电机停机，进一步提高了本装置的智能化程度和安全可靠性。本发明开创性的仅通过根据第三检测周期获取的5次输出结果进行分析，就完成了对电机占空比调整后的电机运行电流、电压、温度变化情况的高敏感度、高可靠性分析，无需复杂建模和算法运算，大大提高了参数调整效率，很大程度上简化了分析算法，大大降低了系统生产安装维护所需成本，很大程度上提高了企业效益。
请参阅图2，本发明提出了一种具体实施例，提供了一种基于智能网关实现的设备监测方法，所述方法包括：
P0：开始。
P1：按第一检测周期获取目标电机的当前工作信号，包括电流信号、电压信号和温度信号。
此处需要说明的是，本发明的目标电机中预先设置采集模块，所述采集模块包括高精度电流传感器、高精度电压传感器和高精度温度传感器，用于实时采集目标的电流信号、电流、和温度信号，即采集模块能够实时产生关于电流、电压、温度变化的信号。
步骤P1之前包括，预设第一检测周期、第一权重、第二权重、第三权重、第一预设比例、第二预设比例、第一预设次数、第二预设次数、第三预设次数、第四预设次数、第二检测周期、第三检测周期。基于所预设的第一检测周期，计算模块周期性采集由采集模块产生的检测信号，优选的是，所述第一检测周期为60秒，第一权重为20，所述第二权重为15，所述第三权重为10，所述第一预设比例为1％，所述第二预设比例为1.2％，所述第一预设次数为120次，所述第二预设次数为100次，所述第三预设次数为15次，所述第四预设次数为5次，所述第二检测周期为20分钟，所述第三检测周期为5秒。
P2、解析信号并将解析后得到的电流数据、电压数据和温度数据按预设规则进行第一权重、第二权重、第三权重赋值并通过预设神经网络算法计算输出结果。
P3、比较输出结果是否大于预设阈值？若是，则执行步骤P4，若否，则返回步骤P1。
这里需要说明的是，所述预设阈值包括第一预设阈值、第二预设阈值和第三预设阈值，所述第一预设阈值对应电流数据设置，所述第二预设阈值对应电压数据设置，所述第三预设阈值对应温度数据设置，当电流数据被赋予第一权重时，观察输出结果是否大于第一预设阈值，当电压数据被赋予第一权重时，观察输出结果是否大于第二预设阈值，当温度数据被赋予第一权重时，观察输出结果是否大于第三预设阈值。当电流数据、电压数据、温度数据中某一项被赋值为第一权重时，实时将预设阈值切换到与该项对应的阈值，当电流数据被赋值为第一权重时，将输出结果与第一预设阈值比较，当电压数据被赋值为第一权重时，将输出结果与第二预设阈值比较，当温度数据被赋值为第一权重时，将输出结果与第三预设阈值比较，此设置可实现预设阈值的智能切换，大大提高了分析结果的可靠性，进一步提高了本装置的智能化，计算模块对所获取的电流信号、电压信号及温度信号进行解析，解析数据中包含采集模块获得的电机当前时刻的电流数据、电压数据及温度数据，所述第一因素值根据电流值取整得出，所述第二因素值根据电压值取整得出，所述第三因素值根据温度值取整得出，所述输出结果的计算方法为将第一因素值、第二因素值和第三因素值分别与其对应的权重相乘后求和得出。所述第一权重为20，所述第二权重为15，所述第三权重为10，将第一权重设置为20、将第二权重设置为15以及将第三权重设置为10为本发明技术人员通过大量实验得出，电机的电流、电压、自身温度波动通常是造成设备损伤或其他异常情况的重要因素，因此在本发明的神经网络算法中，通过计算模块实时监测电机当前时刻的电流数据、电压数据及温度数据的变化速率，将第一权重赋值为20，将第二权重赋值为15，将第二权重赋值为10，将电流数据、电压数据及温度数据按照数据变化速率的大小依次赋予第一权重、第二权重和第三权重，此设置可以实现始终保持变化速率最大的项所对应的权重为最高权重，此设置可以实现始终保持当前电机运行过程中的波动最为剧烈即对电机运行影响最大的项所对应的权重为最高权重，此设置可以大大提高本发明的对影响电机运行状态的各项因素波动的敏感度和智能化程度，实现当电机运行状态改变时对电机参数的及时、高效、高安全性和高稳定性的参数调整，此设置可以在大大简化系统架构和系统复杂度的基础上，完成对设备电流、电压状态的分析，大大降低了本系统的生产维护成本，很大程度上提高了本发明的可用性，大大拓展了本发明的应用场景，此计算方法可以实现将所述采集模块采集的电流、电压、电机温度信息处理为神经网络算法的输入并计算得到输出结果，可以实现当采集模块的采集到的电机的电流数据、电压数据或温度数据出现波动时，通过对采集到的电机的电流和电压数据处理，实时更新神经网络算法的第一因素值、第二因素值和第三因素值，并通过对电流数据、电压数据和温度数据的变化速率的大小实时更新电流数据、电压数据和温度数据所对应的权重，实现了对设备的电压、电流、温度、运行状态的高敏感度的智能整合监测。
P4、按第二检测周期分别获取第一预设次数的工作信号并解析，将解析后得到的电流数据、电压数据及温度数据按预设规则进行第一权重、第二权重、第三权重赋值并通过预设神经网络算法计算输出结果。
调用预设阈值与输出结果进行比较，所述第二检测周期为20秒，将第二检测周期设置为20秒为本发明技术人员通过大量试验得出，当计算模块按第一检测周期周期性计算出的输出结果大于预设阈值时，说明电机的运行的电流和\或电压和\或温度存在波动，此时计算模块需要判断此时出现的电流和\或电压和\或温度存在波动是否为由于自身电子元器件状态的波动或老化或外界的环境因素的干扰，如电磁场波动、环境温度波动等因素引起的，服务器需要判断此时电机的运行是否仍处于正常状态，将第二检测周期缩短为20秒可在保证检测结果可靠性的同时，防止由于各种因素波动导致的系统误判，进一步增强了本系统的稳定性，并在正常监测时，减小计算模块的运算量，实现计算模块的低功耗运行，大大节约运算资源。当按第一检测周期计算出的输出结果小于预设阈值时，计算模块判断目标电机仍处于正常运行状态，此时系统继续按第一检测周期周期性获取采集模块的检测信号。仅通过目标电机的电流、电压及温度检测信号进行分析，便可以完成对电机运行状态的分析，很大程度上简化了分析流程，大大提高了分析效率，降低了系统复杂度，大大降低了系统生产安装运维各环节成本，很大程度上提高了企业效益。
P5、计算模块比较输出结果大于预设阈值的次数是否超过第二预设次数？若是，执行步骤P6；若否，返回步骤P1。
具体的，当输出结果与调用的预设阈值进行比较后，计算模块按第一检测周期周期性检测到输出结果时，则启动另一工作流程，即调用预设的第二检测周期获取采集模块采集的电机的电流、电压、温度检测信号，所述第二检测周期为20秒，第二检测周期设置20秒为本发明技术人员通过大量试验得出，当计算模块通过神经网络算法计算出的输出结果在某一时刻大于预设阈值时，肯定发生异常情况事件，此时本发明通过预先设置第二检测周期并使第二检测周期小于第一检测周期，大大提升后续数据分析的可靠性，通过优化程序结构，仅在发生设备电流、电压波动时进入第二检测周期，实现本发明系统的超低功耗运行，因此，本发明设置第二检测周期为20秒，能够较好地提高发生危险或紧急事件后数据分析的可靠性以及实现本发明系统的超低功耗运行。第一预设次数为120次，第二预设次数为100次，将第一预设次数设置为120次以及将第二预设次数设置为100次为本发明人员通过大量试验后得出，因为，当输出结果在某一时刻大于预设阈值时，肯定发生异常情况事件，此时，本发明通过尽可能合理的检测频率获取检测信号并解析，在保证分析结果准确性的同时，避免不必要的CPU资源浪费，如果是自身电子元器件状态的正常波动或老化或如外界温湿度变化之类的短时间变化的环境因素引起，此时设备应仍为正常运行状态，如果是外界的环境因素的干扰，如电磁场波动、波动环境温度、环境湿度等因素导致的设备电压、电流波动，设备的运行状态应在20秒之内恢复正常，即在20秒内通过神经网络算法得到的120次输出结果，有100次或100次以上的输出结果小于预设阈值，如果设备的运行状态在20秒内无法恢复正常，即在20秒内计算得到的120次输出结果，仅有小于100次的输出结果小于预设阈值，此时服务器判断设备运行状态为无法自行恢复，需要进入参数调整阶段，避免由于自身电子元器件状态的正常波动或老化而导致系统误判。因为如果20秒内计算得到的120次输出结果有大于或等于20次的输出结果仍大于预设阈值，代表此时的设备运行状态波动较大，此时进入参数调整阶段可在分析结果可靠的前提下，避免各项成本的进一步浪费，此设置可以较好的分析此时出现的设备电压、电流波动是否能够自行恢复，程度设计合理，大大提高了本发明的分析结果准确性并降低了本发明系统能耗。
P6、按照第一预设比例减少小于或等于第三预设次数的电机占空比并在每次调整电机占空比后按第三检测周期获取电机的工作信号。
将所述第一预设比例为1％、将所述第二预设比例为1.2％为本发明技术人员通过大量试验得出，此设置可以较好的完成对电机转速的微调，可以在较好地实现对电机占空比的遍历调节，大大简化程序系统复杂度，提高了参数调节质量和效率，很大程度上降低了本发明生产安装所需成本，大大拓展了本发明的应用场景。
P7、按第三检测周期分别获取第四预设次数的目标电机的工作信号并解析，将解析后得到的电流数据、电压数据及温度数据按预设规则进行第一权重、第二权重、第三权重赋值并通过预设神经网络算法计算输出结果，将输出结果与预设阈值进行比较分析。
将第三预设次数设置为15次，将第三检测周期设置为5秒，将第四预设次数设置为5次为本发明技术人员通过大量实验得出，此设置在较好的分析每次调整电机占空比过后电流、电压及温度的变化的同时，节约分析时间，提高权重调整效率，大大拓展了本装置的应用场景。
P8、比较输出结果接近预设阈值的数据增量大于或等于远离预设阈值的数据增量？若是，执行步骤P9，若否，执行步骤P13。
具体的，计算模块将按第三检测周期计算得到的5次输出结果依次连线绘图，当相邻两次输出结果的变化趋势接近预设阈值时，将此相邻两次输出结果的变化量称为接近预设阈值的数据子增量，当相邻两次输出结果的变化趋势远离预设阈值时，将此相邻两次输出结果的变化量称为远离预设阈值的数据子增量，计算模块将各接近预设阈值的数据子增量汇总为当前第三检测周期内接近预设阈值的数据增量，将各远离预设阈值的数据子增量汇总为当前第三检测周期内远离预设阈值的数据增量，若当前第三检测周期内接近预设阈值的数据增量大于远离预设阈值的数据增量且电流变化速率、电压变化速率和温度变化速率都没有超过预设警戒值，计算模块判断当前第三周期内的输出结果为接近预设阈值，此次参数调整有效，计算模块继续按照第一预设比例调整电机占空比，直到输出结果小于预设阈值或者对第一权重和第二权重累计分别调整了第三预设次数后输出结果仍大于预设阈值。当累计分别调整了第三预设次数的电机占空比后，在下一第三周期检测时，计算模块计算得到的输出结果仍大于预设阈值，或者对电流数据、电压数据及温度数据的变化率进行监测时，任一项数据的变化速率超过预设警戒值，此时计算模块判断电机占空比调整无效，此时的设备的电流和/或电压和/或温度波动为异常情况，撤销本次循环内所有对电机占空比的调整，计算模块控制电机停机并产生预测告警信息并发送至后台。本发明开创性的仅通过根据第三检测周期获取的5次输出结果进行分析，就完成了对电机占空比调整后的电机运行电流、电压、温度变化情况的高敏感度、高可靠性分析，无需复杂建模和算法运算，大大提高了参数调整效率，很大程度上简化了分析算法，大大降低了系统生产安装维护所需成本，很大程度上提高了企业效益。
P9、输出结果是否大于预设阈值？若是，执行步骤P10；若否，执行步骤P16。
P10、电流数据或电压数据或温度数据这三项的变化速率是否有超过预设警戒值的项？若是，返回步骤P19；若否，执行步骤P11。
具体地，在电机占空比调整过程中，如果监测到电流数据变化速率和/或电压数据变化速率和/或温度数据变化速率大于预设警戒值，计算模块判定电机此时处于异常运行状态，参数调整模块撤销本轮循环内所有占空比和权重调整、控制电机停机并向后台发送报警信息；此设置可以实现对电机占空比调整过程中，实时检测电机工作信号数据的变化速率，防止工作信号数据变化速率过快产生的安全隐患，实现电机的占空比的高稳定性、高可靠性调节，大大提高了本发明的稳定性和可靠性。
P11、累计调整次数是否大于第三预设次数？若是，执行步骤P19，若否，执行步骤P12。
这里需要说明的是，当累计分别调整了第三预设次数的电机占空比后，在下一第三周期检测时，计算模块计算得到的输出结果仍大于预设阈值，或者对电流数据、电压数据及温度数据的变化率进行监测时，任一项数据的变化速率超过预设警戒值，此时计算模块判断电机占空比调整无效，此时的设备的电流和/或电压和/或温度波动为异常情况，撤销本次循环内所有对电机占空比的调整，计算模块控制电机停机并产生预测告警信息并发送至后台。本发明开创性的仅通过根据第三检测周期获取的5次输出结果进行分析，就完成了对电机占空比调整后的电机运行电流、电压、温度变化情况的高敏感度、高可靠性分析，无需复杂建模和算法运算，大大提高了参数调整效率，很大程度上简化了分析算法，大大降低了系统生产安装维护所需成本，很大程度上提高了企业效益。
P12、返回步骤P6。
P13、按照第二预设比例增大电机占空比。
这里需要说明的是，一般情况下，当设备受到自身电子元器件状态的正常波动或老化或外界的环境因素的干扰，如电磁场波动、波动环境温度、环境湿度等因素时，电流会增大，而通常电流增大或电压增大或电机温度升高是产生异常情况甚至危险情况的直接原因，所以本发明优先按照第一预设比例减小电机占空比，当减小电机占空比无法使输出结果接近预设阈值时，本发明再按照第二预设比例增大电机占空比，当按第二预设比例增大电机占空比后，下一第三周期检测输出结果接近预设阈值的数据增量仍小于远离预设阈值的数据增量，即当增大电机占空比仍无法使输出结果接近预设阈值时，撤销本轮循环内所有占空比和权重调整，控制电机停机并向后台发送报警信息，此设置可大大提高电机占空比调节过程的效率和可靠性，上述设置可以在保证调节精度的基础上，降低系统程序的计算复杂度，程序设计巧妙合理且简捷高效，解决了现有技术通过人工调整神经网络模型十分复杂繁琐的问题，很大程度上提高了电机占空比调整密度和调整效率，很大程度上提高了企业效益。
P14、比较输出结果接近预设阈值的数据增量大于或等于远离预设阈值的数据增量？若是，执行步骤P15，若否，执行步骤P19。
P15、输出结果是否大于预设阈值？若是，执行步骤P17；若否，执行步骤P16。
P16、计算模块判断电机自调整成功，将电机的电机占空比和权重参数更新为最后一次调整后的电机占空比和权重并返回步骤P1。
此步骤可以实现电机的占空比的自优化，实现电机管理系统自适应调节电机参数，大大拓展了本发明的应用场景。
P17、电流数据或电压数据或温度数据这三项的变化速率是否有超过预设警戒值的项？若是，执行步骤P19,若否，执行步骤P18。
具体地，在电机占空比调整过程中，如果监测到电流数据变化速率和/或电压数据变化速率和/或温度数据变化速率大于预设警戒值，计算模块判定电机此时处于异常运行状态，参数调整模块撤销本轮循环内所有占空比和权重调整、控制电机停机并向后台发送报警信息；此设置可以实现对电机占空比调整过程中，实时检测电机工作信号数据的变化速率，防止工作信号数据变化速率过快产生的安全隐患，实现电机的占空比的高稳定性、高可靠性调节，大大提高了本发明的稳定性和可靠性。
P18、累计调整次数是否大于第三预设次数？若是，执行步骤P19；若否，返回步骤P13。
P19、撤销本轮循环内所有占空比和权重调整、控制电机停机并向后台发送报警信息。
这里需要说明的是，当计算模块判定参数调整无效、电机此时处于异常运行状态时，控制参数调整模块撤销本轮循环内所有占空比和权重调整，控制电机停机并向后台发送报警信息；实现电机参数初始化并将电机停机，进一步提高了本装置的智能化程度和安全可靠性。
P20、结束。
请参阅图3，本发明提供了另一实施例，本实施例提供了一种智能电机管理系统，所述智能电机管理系统包括：
包括采集模块1、计算模块2、参数调整模块3；
所述采集模块1用于采集目标电机的工作信号；
所述计算模块2用于将所述采集模块采集的电压信号、电流信号及温度信号处理得到电压数据、电流数据及温度数据并将其作为预设神经网络算法的输入并根据电压数据、电流数据及温度数据实时调整预设神经网络算法的输入的权重并通过预设神经网络算法计算得到输出结果，并依此来判断电机是否正常运行；当计算模块判定参数调整无效、电机此时处于异常运行状态时，控制参数调整模块撤销本轮循环内所有占空比和权重调整，控制电机停机并向后台发送报警信息；当计算模块判断电机占空比自动调整成功，控制参数调整模块将电机的电机占空比和权重参数更新为最后一次调整后的电机占空比和权重；
所述参数调整模块3用于在电机处于异常运行状态时调整电机占空比。
本发明的一个硬件方案具体实施过程如下：
本发明的核心控制模组采用ARM架构高能效处理器i.MX 8作为主控芯片，4GBLPDDR4(64Bit)RAM存储，16GB Flash存储。
计算模块支持工业路由器功能，实现2路局域网接入和视频数据的采集和上传。支持WAN/LAN、4G、WIFI等满足不同环境下对远程通信的需求。
计算模块采用Linux作为操作系统，集成Python开发环境和C语言开发环境，提供标准API接口及开发指导，为用户的二次应用开发提供稳定快捷的平台，用户可轻松调用系统各种接口及资源，大大提高了本发明的可用性。
本发明可通过对电机的电流信息、电压信息及温度信息对电机健康状态进行分析，以此来实时的分析电机当前工作状态，可实现实时响应、快速连接、智能应用、安全与隐私保护等业务处理提供计算资源，可以加快采集到的数据的处理与传送速度，减少延迟。
在优选实施例中，本申请还提供了一种电子设备，所述电子设备包括：
存储器；以及处理器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现所述的智能电机管理方法。该计算机设备可以广义地为服务器、终端，或任何其他具有必要的计算和/或处理能力的电子设备。在一个实施例中，该计算机设备可包括通过系统总线连接的处理器、存储器、网络接口、通信接口等。该计算机设备的处理器可用于提供必要的计算、处理和/或控制能力。该计算机设备的存储器可包括非易失性存储介质和内存储器。该非易失性存储介质中或上可存储有操作系统、计算机程序等。该内存储器可为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口和通信接口可用于与外部的设备通过网络连接和通信。该计算机程序被处理器执行时执行本发明的方法的步骤。
本发明可以实现为一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在由处理器执行时导致本发明实施例的方法的步骤被执行。在一个实施例中，所述计算机程序被分布在网络耦合的多个计算机设备或处理器上，以使得所述计算机程序由一个或多个计算机设备或处理器以分布式方式存储、访问和执行。单个方法步骤/操作，或者两个或更多个方法步骤/操作，可以由单个计算机设备或处理器或由两个或更多个计算机设备或处理器执行。一个或多个方法步骤/操作可以由一个或多个计算机设备或处理器执行，并且一个或多个其他方法步骤/操作可以由一个或多个其他计算机设备或处理器执行。一个或多个计算机设备或处理器可以执行单个方法步骤/操作，或执行两个或更多个方法步骤/操作。
本领域普通技术人员可以理解，本发明的方法步骤可以通过计算机程序来指示相关的硬件如计算机设备或处理器完成，所述的计算机程序可存储于非暂时性计算机可读存储介质中，该计算机程序被执行时导致本发明的步骤被执行。根据情况，本文中对存储器、存储、数据库或其它介质的任何引用可包括非易失性和/或易失性存储器。非易失性存储器的示例包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)、闪存、磁带、软盘、磁光数据存储装置、光学数据存储装置、硬盘、固态盘等。易失性存储器的示例包括随机存取存储器(RAM)、外部高速缓冲存储器等。
以上描述的各技术特征可以任意地组合。尽管未对这些技术特征的所有可能组合进行描述，但这些技术特征的任何组合都应当被认为由本说明书涵盖，只要这样的组合不存在矛盾。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
Claims (10)
1.一种电机智能管理方法，其特征在于，
目标电机启动后，按第一检测周期获取目标电机的当前工作信号，其中，工作信号包括电流信号、电压信号和温度信号；
解析信号并将解析后得到的电流数据、电压数据和温度数据按预设规则进行第一权重、第二权重、第三权重赋值并通过预设神经网络算法计算输出结果，比较输出结果是否大于预设阈值，当输出结果大于预设阈值，则按第二检测周期获取目标电机的工作信号；
按第二检测周期获取第一预设次数的工作信号并解析，将解析后得到的电流数据、电压数据和温度数据按预设规则进行第一权重、第二权重、第三权重赋值并通过预设神经网络算法计算输出结果，当输出结果大于预设阈值的次数超过第二预设次数，按照第一预设比例调整小于或等于第三预设次数的电机占空比，并在每次调整电机占空比后按第三检测周期获取目标电机的工作信号；
按第三检测周期分别获取第四预设次数的工作信号并解析，将解析后得到的电流数据、电压数据和温度数据按预设规则进行第一权重、第二权重、第三权重赋值并通过预设神经网络算法计算输出结果，将输出结果与预设阈值进行比较分析，若输出结果接近预设阈值的数据增量大于或等于远离预设阈值的数据增量且第一权重所对应项的变化速率小于或等于预设警戒值，则继续对电机占空比按第一预设比例进行调整，当累计调整电机占空比的次数大于或等于第三预设次数且输出结果大于预设阈值时，则计算模块判定电机此时处于异常运行状态，控制参数调整模块撤销本轮循环内所有占空比和权重调整、控制电机停机并向后台发送报警信息。
2.根据权利要求1所述的一种电机智能管理方法，其特征在于，所述预设规则包括：
实时监测解析后得到的电流数据、电压数据及温度数据的变化速率，将电流数据取整后得到第一因素值，将电压数据取整后得到第二因素值，将温度数据取整后得到第三因素值，将电流数据、电压数据及温度数据按照数据变化速率的大小依次赋予第一权重、第二权重和第三权重，将第一因素值、第二因素值及第三因素值及其对应的权重输入预设神经网络算法中，计算得到输出结果。
3.根据权利要求2所述的一种电机智能管理方法，其特征在于，所述方法还包括：
所述预设阈值包括第一预设阈值、第二预设阈值和第三预设阈值，所述第一预设阈值对应电流数据设置，所述第二预设阈值对应电压数据设置，所述第三预设阈值对应温度数据设置，当电流数据被赋予第一权重时，观察输出结果是否大于第一预设阈值，当电压数据被赋予第一权重时，观察输出结果是否大于第二预设阈值，当温度数据被赋予第一权重时，观察输出结果是否大于第三预设阈值。
4.根据权利要求1所述的一种电机智能管理方法，其特征在于，所述方法还包括：
当输出结果大于预设阈值的次数大于第二预设次数，按照第一预设比例减小第三预设次数的电机占空比，并在每次调整电机占空比后按第三检测周期获取采集模块采集的设备的电流信号、电压信号及温度信号。
5.根据权利要求4所述的一种电机智能管理方法，其特征在于，所述方法还包括：
若输出结果接近预设阈值的数据增量大于或等于远离预设阈值的数据增量且第一权重所对应项的变化速率小于或等于预设警戒值，则继续对电机占空比按第一预设比例进行减小；
若输出结果接近预设阈值的数据增量小于远离预设阈值的数据增量且第一权重所对应项的变化速率小于或等于预设警戒值，则对电机占空比按第二预设比例进行增大。
6.根据权利要求5所述的一种电机智能管理方法，其特征在于，所述方法还包括：
当对电机占空比按第二预设比例进行增大后的下一第三检测周期检测，输出结果接近预设阈值的数据增量仍小于远离预设阈值的数据增量且第一权重所对应项的变化速率小于或等于预设警戒值，则计算模块判定电机此时处于异常运行状态，参数调整模块撤销本轮循环内所有占空比和权重调整、控制电机停机并向后台发送报警信息。
7.根据权利要求5所述的一种电机智能管理方法，其特征在于，所述方法还包括：
在电机占空比调整过程中，若监测到电流数据变化速率和/或电压数据变化速率和/或温度数据变化速率大于预设警戒值，计算模块判定电机此时处于异常运行状态，参数调整模块撤销本轮循环内所有占空比和权重调整、控制电机停机并向后台发送报警信息；
当输出结果小于预设阈值时，计算模块判断电机自调整成功，将电机的电机占空比和权重参数更新为最后一次调整后的电机占空比和权重。
8.根据权利要求3所述的一种电机智能管理方法，其特征在于，所述通过预设神经网络算法计算输出结果包括：
所述输出结果的计算方法为将第一因素值、第二因素值和第三因素值分别与其对应的权重相乘后求和得出。
9.一种电机智能控制系统，其特征在于，包括采集模块、计算模块和参数调整模块；
所述采集模块用于采集目标电机的工作信号；
所述计算模块用于将所述采集模块采集的电压信号、电流信号及温度信号处理得到电压数据、电流数据及温度数据并将其作为预设神经网络算法的输入并根据电压数据、电流数据及温度数据实时调整预设神经网络算法的输入的权重并通过预设神经网络算法计算得到输出结果，并依此来判断电机是否正常运行；当计算模块判定参数调整无效、电机此时处于异常运行状态时，控制参数调整模块撤销本轮循环内所有占空比和权重调整，控制电机停机并向后台发送报警信息；当计算模块判断电机占空比自动调整成功，控制参数调整模块将电机的电机占空比和权重参数更新为最后一次调整后的电机占空比和权重；
所述参数调整模块用于在电机处于异常运行状态时调整电机占空比。
10.一种电子设备，其特征在于，包括：
存储器；以及处理器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现根据权利要求1至8中任意一项所述的智能电机管理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211212059.8A CN116046051B (zh) | 2022-09-30 | 2022-09-30 | 一种智能电机管理方法及其系统、电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211212059.8A CN116046051B (zh) | 2022-09-30 | 2022-09-30 | 一种智能电机管理方法及其系统、电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116046051A true CN116046051A (zh) | 2023-05-02 |
| CN116046051B CN116046051B (zh) | 2024-06-18 |
Family
ID=86115170
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211212059.8A Active CN116046051B (zh) | 2022-09-30 | 2022-09-30 | 一种智能电机管理方法及其系统、电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116046051B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116563631A (zh) * | 2023-05-12 | 2023-08-08 | 深圳普菲特信息科技股份有限公司 | 一种基于ai的仪表盘视觉识别方法、系统和存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018192314A1 (zh) * | 2017-04-18 | 2018-10-25 | 上海蔚来汽车有限公司 | 电动汽车及其低压蓄电池电量管理系统 |
| CN111245313A (zh) * | 2020-03-16 | 2020-06-05 | 爱科赛智能科技(浙江)有限公司 | 一种基于遗传神经网络的无刷直流电机pid调速方法 |
| CN112865021A (zh) * | 2020-12-31 | 2021-05-28 | 深圳市知视智能技术有限公司 | 电机保护方法、装置、设备及存储介质 |
| CN113765063A (zh) * | 2021-09-10 | 2021-12-07 | 奇瑞商用车（安徽）有限公司 | 一种新能源汽车电动机故障检修方法 |
| CN113839602A (zh) * | 2021-09-28 | 2021-12-24 | 南京禄协信息科技有限公司 | 一种多模块电机实时数字监测与控制系统 |
| CN113933704A (zh) * | 2021-09-26 | 2022-01-14 | 珠海格力电器股份有限公司 | 电动机状态的在线监控方法和系统 |
| KR20220064630A (ko) * | 2020-11-12 | 2022-05-19 | 주식회사 제우기술 | 리니어 모터 보호를 위한 고속 스핀들 모니터링 시스템 |
-
2022
- 2022-09-30 CN CN202211212059.8A patent/CN116046051B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018192314A1 (zh) * | 2017-04-18 | 2018-10-25 | 上海蔚来汽车有限公司 | 电动汽车及其低压蓄电池电量管理系统 |
| CN111245313A (zh) * | 2020-03-16 | 2020-06-05 | 爱科赛智能科技(浙江)有限公司 | 一种基于遗传神经网络的无刷直流电机pid调速方法 |
| KR20220064630A (ko) * | 2020-11-12 | 2022-05-19 | 주식회사 제우기술 | 리니어 모터 보호를 위한 고속 스핀들 모니터링 시스템 |
| CN112865021A (zh) * | 2020-12-31 | 2021-05-28 | 深圳市知视智能技术有限公司 | 电机保护方法、装置、设备及存储介质 |
| CN113765063A (zh) * | 2021-09-10 | 2021-12-07 | 奇瑞商用车（安徽）有限公司 | 一种新能源汽车电动机故障检修方法 |
| CN113933704A (zh) * | 2021-09-26 | 2022-01-14 | 珠海格力电器股份有限公司 | 电动机状态的在线监控方法和系统 |
| CN113839602A (zh) * | 2021-09-28 | 2021-12-24 | 南京禄协信息科技有限公司 | 一种多模块电机实时数字监测与控制系统 |
Non-Patent Citations (2)
| Title |
|---|
| 肖锋;: "BP神经网络在步进电机细分控制的应用", 电气技术, no. 10, 15 October 2015 (2015-10-15) * |
| 许振伟;: "开关磁阻电动机的模糊开关角控制", 电力系统及其自动化学报, no. 05, 15 October 2010 (2010-10-15) * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116563631A (zh) * | 2023-05-12 | 2023-08-08 | 深圳普菲特信息科技股份有限公司 | 一种基于ai的仪表盘视觉识别方法、系统和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116046051B (zh) | 2024-06-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115541965A (zh) | 智能网关及基于智能网关实现的设备监测方法、电子设备 | |
| CN116046051B (zh) | 一种智能电机管理方法及其系统、电子设备 | |
| CN113190693B (zh) | 储能系统的数据处理方法、装置、电子设备及存储介质 | |
| CN112465237B (zh) | 基于大数据分析的故障预测方法、装置、设备和存储介质 | |
| CN116980958B (zh) | 一种基于数据识别的无线设备电故障监测方法及系统 | |
| US20240223661A1 (en) | Methods and smart gas internet of things (iot) systems for smart control of smart gas pipeline network data collection terminals | |
| CN114600089A (zh) | 确定采集频率的方法、装置、计算设备和存储介质 | |
| CN117687884A (zh) | 一种电网调度自动化主站运维操作票智能优化方法及系统 | |
| CN117519033A (zh) | 供料参数控制方法、装置、电子设备及存储介质 | |
| CN117992738B (zh) | 一种节电柜电能自动化节电监测方法及系统 | |
| CN115904656A (zh) | 应用于芯片中的状态控制方法、装置、设备及存储介质 | |
| CN117348594A (zh) | 一种采样频率的调整方法、装置、设备及存储介质 | |
| CN117931583B (zh) | 一种设备集群运行状态预测方法、电子设备及存储介质 | |
| CN106124835B (zh) | 一种配电电源电压与预定电压比较的方法 | |
| CN118153820A (zh) | 大坝安全监测方法、系统、介质和设备 | |
| CN107218702A (zh) | 空调器及空调器频率调节方法和计算机可读存储介质 | |
| CN117507935A (zh) | 一种用于电池管理的控制方法、系统、电子设备及介质 | |
| CN116414608A (zh) | 异常检测方法、装置、设备及存储介质 | |
| CN116028516A (zh) | 基于计划跟踪的数据更新方法及装置 | |
| CN115933561A (zh) | 一种工厂自动化设备的数据采集方法及其系统、电子设备 | |
| CN116993240A (zh) | 一种物流系统控制方法、装置、设备及存储介质 | |
| CN114895609A (zh) | 机房监控方法、装置、设备及介质 | |
| CN118276499B (zh) | 一种基于数据识别的电气自动化控制系统及方法 | |
| CN118376869B (zh) | 电力系统故障诊断方法、装置、设备及介质 | |
| CN117913999B (zh) | 智能配电柜及智能配电方法 |
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 |