CN116340851B - 一种推进电机的生产质量检测系统 - Google Patents
一种推进电机的生产质量检测系统 Download PDFInfo
- Publication number
- CN116340851B CN116340851B CN202310618808.5A CN202310618808A CN116340851B CN 116340851 B CN116340851 B CN 116340851B CN 202310618808 A CN202310618808 A CN 202310618808A CN 116340851 B CN116340851 B CN 116340851B
- Authority
- CN
- China
- Prior art keywords
- value
- propulsion motor
- temperature
- target part
- abnormal
- 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 30
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 21
- 230000002159 abnormal effect Effects 0.000 claims abstract description 125
- 238000011156 evaluation Methods 0.000 claims abstract description 80
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000011157 data evaluation Methods 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims description 20
- 230000017525 heat dissipation Effects 0.000 claims description 15
- 238000007667 floating Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 4
- 230000005856 abnormality Effects 0.000 abstract description 32
- 230000035945 sensitivity Effects 0.000 abstract description 9
- 238000005259 measurement Methods 0.000 abstract description 3
- 238000010438 heat treatment Methods 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 5
- 230000000630 rising effect Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K13/00—Thermometers specially adapted for specific purposes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K3/00—Thermometers giving results other than momentary value of temperature
- G01K3/08—Thermometers giving results other than momentary value of temperature giving differences of values; giving differentiated values
- G01K3/10—Thermometers giving results other than momentary value of temperature giving differences of values; giving differentiated values in respect of time, e.g. reacting only to a quick change of temperature
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N25/00—Investigating or analyzing materials by the use of thermal means
- G01N25/20—Investigating or analyzing materials by the use of thermal means by investigating the development of heat, i.e. calorimetry, e.g. by measuring specific heat, by measuring thermal conductivity
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Control Of Electric Motors In General (AREA)
Abstract
本发明涉及测量检测技术领域,具体涉及一种推进电机的生产质量检测系统。该系统包括数据获取模块用于获取推进电机各部位的温度值。数据预测模块用于对推进电机的温度进行预测,得到推进电机各部位的预测温度值。数据处理模块用于确定推进电机各部位的实时温度值的近似因子。数据评价模块用于确定推进电机各部位的异常评价值。质量判断模块,用于根据推进电机各部位的异常评价值,对推进电机进行质量判断,实现对推进电机进行质量判断,避免在检测到异常时产品已经遭受高温侵害,不利于部件重复利用而造成生产成本增加的问题,提高了检测的灵敏度。
Description
技术领域
本发明涉及测量检测技术领域,具体涉及一种推进电机的生产质量检测系统。
背景技术
推进电机生产完成时需要进行温度监测,以确定电机的散热功能是否正常,而在测试过程中存在温度异常上升的情况,需要及时进行停止测试并采取降温措施,避免高温损坏电机内部构件。目前常见的是,通过时间动态规整算法判断预测温度序列与实际监测序列,将预测与实际两序列产生不用波动变化的情况进行筛选,以达到检测电机散热供能异常的效果。传统时间动态规整算法通过时序的一一对应进行序列变形的判断,在出现温度明显异常时进行识别,此时电机已经处于散热异常状态下,虽能够准确检测出异常,但异常检测的灵敏度不高,从而导致温度异常造成电机关键部件的损坏。
发明内容
为了解决异常检测的灵敏度不高的技术问题,本发明的目的在于提供一种推进电机的生产质量检测系统,所采用的技术方案具体如下:
数据获取模块,用于获取推进电机各部位的温度值;
数据预测模块,用于根据推进电机各部位的历史温度值对推进电机的温度进行预测,得到推进电机各部位的预测温度值;
数据处理模块,用于根据推进电机各部位的历史温度值的变化特征确定推进电机各部位的实时温度值的近似因子;
数据评价模块,用于结合推进电机各部位的预测温度值和温度值对应的近似因子的变化情况确定推进电机各部位的异常评价值;
质量判断模块,用于根据推进电机各部位的异常评价值,对推进电机进行质量判断。
优选的,所述近似因子的计算公式为:
其中,为第c个部位的实时温度值d的近似因子;为第c个部位的历史温度值的
数量;为第c个部位的第i个历史温度值;为第c个部位的历史温度值的均值;为第c个
部位的历史温度值的标准差;为第c个部位的历史温度值最小值;为预设危险温度
值;β为预设调节阈值;d为第c个部位的实时温度值。
优选的,所述结合推进电机各部位的预测温度值和温度值对应的近似因子的变化情况确定推进电机各部位的异常评价值,包括:
以推进电机的任意部位作为目标部位,获取目标部位的最大预测温度值和最小预测温度值的差值,作为目标部位的预测极差值;获取目标部位的当前时刻对应的预测温度值和前一时刻对应的预测温度值的差值,作为目标部位的实时预测差值,将实时预测差值和预设调节阈值的和值作为目标部位的调节预测差值;将目标部位的预测极差值和调节预测差值的比值作为目标部位的第一异常评价值;
计算目标部位的当前时刻对应的温度值和前一时刻对应的温度值的近似因子的差值的正相关映射值作为第二异常评价值;
将目标部位的第一异常评价值和第二异常评价值的乘积的归一化值作为目标部位的异常评价值。
优选的,所述根据推进电机各部位的异常评价值,对推进电机进行质量判断,包括:
以推进电机的任意部位作为目标部位,获取目标部位对应的异常评价值序列,并计算目标部位对应的异常评价值序列的最后预设数量个异常评价值中前一时刻和后一时刻的异常评价值的差值的均值,作为目标部位的第一异常判断指标;将目标部位的当前时刻的异常评价值和前一时刻的异常评价值的差值作为目标部位的第二异常判断指标;
将目标部位的第一异常判断指标和第二异常判断指标中的最大值作为目标部位的调节异常值;以目标部位的当前时刻的异常评价值和调节异常值的和值作为目标部位的最终判断指标;
当目标部位的最终判断指标大于或等于预设判断阈值时,判定目标部位为推进电机的质量异常部位;当目标部位的最终判断指标小于预设判断阈值时,判定目标部位为推进电机的质量正常部位。
优选的,所述根据推进电机各部位的历史温度值对推进电机的温度进行预测,得到推进电机各部位的预测温度值,包括:
获取预设参考部位的最新的历史温度值,作为参考温度值;以推进电机的任意部位作为目标部位,将目标部位的最新的历史温度值,作为初始温度值;
将推进电机的预设散热系数作为初始温度值的权重,对初始温度值进行加权,得到目标部位的第一温度浮动值;将推进电机的预设温度传导系数作为参考温度值的权重,对参考温度值进行加权,得到目标部位的第二温度浮动值;
将目标部位的初始温度值和第一温度浮动值的差值作为目标部位的初始预测值;将目标部位的初始预测值和第二温度浮动值的和值作为目标部位的预测温度值。
本发明实施例至少具有如下有益效果:
该系统包括数据获取模块用于获取推进电机各部位的温度值。数据预测模块用于对推进电机的温度进行预测,得到推进电机各部位的预测温度值,通过预测温度值实现对推进电机各部位的温度值的提前预测,可以在温度值突变之前实现对推进电机的异常评价,便于后续对推进电机的质量判断。数据处理模块用于确定推进电机各部位的实时温度值的近似因子,该近似因子反映了实时温度值相对于历史温度值的变化情况,当实时温度值越异常时,则其对应的近似因子越低,故也可以说该近似因子反映了实时温度值的异常程度,并通过新加入的实时温度值与新加入的实时温度值之前的时序段中历史温度值的差异关系,实现对即将产生的温度变化位置进行监测约束,并综合考虑正常异常电机温度波动的情况差异,结合该近似因子使得后续对推进电机各部位的异常评价的准确性更高,且由于部件之间的热传导是一个较平缓的过程,而温度在短时的较大跃升过程,会出现异常值导致序列中短时出现较多的存在较大偏离均值的极端数值,令近似因子在短时内数值出现明显降低,使其对部位的异常判断更灵敏。数据评价模块用于确定推进电机各部位的异常评价值,该异常评价值是结合时序序列中的温度值的近似因子和预测温度值对时序累计特征进行识别判断的,将推进电机的升温散热过程融入数据值中进行准确判断,更敏感的识别数据产生异常的时刻。质量判断模块,用于根据推进电机各部位的异常评价值,对推进电机进行质量判断,实现对推进电机进行质量判断,避免现有的固定温度阈值方法在检测到异常时产品已经遭受高温侵害,不利于部件重复利用而造成生产成本增加的问题,也即为避免推进电机因异常升温而造成了推进电机的损坏,提高了异常检测的灵敏度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅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它附图。
图1为本发明一个实施例所提供的一种推进电机的生产质量检测系统的系统框图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种推进电机的生产质量检测系统,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
本发明实施例提供了一种推进电机的生产质量检测系统的具体实施方法,该系统适用于推进电机质量检测场景。该场景下通过温度传感器采集推进电机各部位的温度值。为了解决异常检测的灵敏度不高的技术问题。该系统包括数据获取模块用于获取推进电机各部位的温度值。数据预测模块用于对推进电机的温度进行预测,得到推进电机各部位的预测温度值。数据处理模块用于确定推进电机各部位的实时温度值的近似因子。数据评价模块用于确定推进电机各部位的异常评价值。质量判断模块,用于根据推进电机各部位的异常评价值,对推进电机进行质量判断,实现对推进电机进行质量判断,避免推进电机因异常升温而造成了推进电机的损坏,提高了异常检测的灵敏度,也避免现有的固定温度阈值方法在检测到异常时产品已经遭受高温侵害,不利于部件重复利用而造成生产成本增加的问题。
下面结合附图具体的说明本发明所提供的一种推进电机的生产质量检测系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种推进电机的生产质量检测系统的系统框图,该系统包括以下模块:
数据获取模块10,用于获取推进电机各部位的温度值。
由于推进电机生产完成后具有封闭外壳,无法拆开推进电机的外壳进行检测传感器安装。现有检测方法是通过推进电机的部件内部安装热电偶模拟运转发热,并未考虑到部分发热来自对电机生产完成后内部出现的异常所在运转时产生的发热情况,故本发明在推进电机多个部位以及预设参考部位设置采样点,得到各部位的温度值,构建温度值序列。其中温度值包括历史温度值和实时温度值,随着时间的变化,历史温度值和实时温度值也在不断的更新,将所有温度值均存入对应的温度值序列中。在本发明实施例中的推进电机为永磁同步电机,预设参考部位为转轴部位,转轴部位的采样点代表了电机内部的温度特点。获取电机内部填充的导热介质的导热系数,将该导热系数作为预设温度传导系数。
由于推进电机运转需要供电,电流经过推进电机时不仅转化为输出的机械能,也转化为发热的内能,因此测定电机输入功率,衡量电机的负载状态。
数据预测模块20,用于根据推进电机各部位的历史温度值对推进电机的温度进行预测,得到推进电机各部位的预测温度值。
推进电机在设计时,由于输入功率大部分转化为机械能,另一部分转化为内能,体现为电线绕阻发热在电机中心位置产生温度提升,对应的形成内外温差,热量通过导线介质传递至外壳。合格的电机在输入功率限制的情况下,转化的机械能与内能比例是相对稳定的,据此能够得到电机工作时各部位的预测温度数据构成预测温度值序列,与实际测量的温度值序列进行匹配,综合序列上电机的温度沿时序的变化趋势进行综合分析,对判断预测温度值序列和温度值序列产生的变形差异进行准确识别。
电机未通电工作时,作为常温物体,其温度与室温相同,通电开始测试时记为开始时刻。由于电机在设计时已经确定了材质以及导热介质,而电流经过内部线圈产生的热量经由导热介质传递至外壳。
获取推进电机中各部位的历史温度值和实时温度值,需要说明的是,各部位的当前时刻的温度值即为实时温度值,各部位的当前时刻之前的所有时刻的温度值即为历史温度值。
首先根据推进电机各部位的历史温度值对推进电机的温度进行预测,得到推进电机各部位的预测温度值,具体的:获取预测参考部位的最新的历史温度值,作为参考温度值。需要说明的是,最新的历史温度值也即当前时刻的前一个时刻的历史温度值。以推进电机的任意部位作为目标部位,将目标部位的最新的历史温度值,作为初始温度值。将推进电机的预设散热系数作为初始温度值的权重,将推进电机的预设温度传导系数作为参考温度值的权重,对初始温度值和参考温度值进行加权求和,得到目标部位的温度浮动值。将目标部位的初始温度值和温度浮动值的差值作为目标部位的预测温度值。
以第n个部位为目标部位,该目标部位的预测温度值的计算公式为:
其中,为目标部位的预测温度值;为目标部位的最新的历史温度值,也即为
目标部位的初始温度值;为目标部位的预设散热系数;为预设参考部位的最新的历史
温度值,也即为参考温度值;为推进电机的预设温度传导系数;为目标部位的第一
温度浮动值;为目标部位的第二温度浮动值;为目标部位的初始预测
值。
在预测温度值的计算公式中引入前一时刻外壳向外界散发的温度,并通过当前部位处的预设散热系数对预测温度值进行调节,预设散热系数越大,则对应的预测温度值越小;预设散热系数和预测温度值呈反比关系。需要说明的是预设散热系数是由先验的材料热力学性能参数确定的本外壳测点部位的散热系数。然后在预测温度值的计算公式中引入预设参考部位前一时刻的历史温度值作为推进电机的内部温度值,结合预测参考部位前一时刻的历史温度值和预设温度传导系数,得到内部温度传导至外壳的温度,进而通过结合前一时刻外壳向外界散发的温度和内部温度传导至外壳的温度对目标部位前一时刻的温度值进行调节,得到目标部位的预测温度值,预设温度传导系数和参考温度值越大,则对应的预测温度值越大。通过实际的目标部位的初始温度值减去散度温度再叠加内部传导温度得到目标部位对应的预测温度值。
进而得到了推进电机各部位的预测温度值。
数据处理模块30,用于根据推进电机各部位的历史温度值的变化特征确定推进电机各部位的实时温度值的近似因子。
推进电机产品生产过程后进行质量检验,在当前产品未检验时,不能确定其合格与否。由于每次检验的产品不相同,故无法通过其他推进电机的历史数据判断分析当前产品的质量情况。
散热异常往往出现在中心温度与外壳温度存在一定温差时,可能出现外壳异常导致热量散发不足,产生热量积累导致温度的异常变化。对于当前实际的温度值曲线与预测温度值曲线,通过通电运转逐渐产生监测值与其对应的预测值,因此,通过曲线中新加入的数据点与新加入的数据点之前的时序段的差异关系对即将产生的变形位置进行监测约束,并综合考虑正常异常电机温度波动的情况差异,在出现异常情况发生前及时停止检测并令降温过程介入,以保证电机部件不受高温损坏,降低维修成本。
电机通电进入工作检测运转状态,通过序列中温度变化特征得到当前时刻数据点与序列整体的近似因子。当温度值序列中历史温度值出现的变化次数越多,代表温度波动情况越明显,对应的新到来的数据点产生偏离序列的程度越高,越不相似。
故进一步的,根据推进电机各部位的历史温度值的变化特征确定推进电机各部位的实时温度值的近似因子。
该近似因子的计算公式为:
其中,为第c个部位的实时温度值d的近似因子;为第c个部位的历史温度值的
数量;为第c个部位的第i个历史温度值;为第c个部位的历史温度值的均值;为第c个
部位的历史温度值的标准差;为第c个部位的历史温度值最小值;为预设危险温度
值;β为预设调节阈值;d为第c个部位的实时温度值。在本发明实施例中预设调节阈值的取
值为0.01,是为了避免出现分母为0的情况,在其他实施例中可由实施者根据实际情况调整
该取值。
需要说明的是,预设危险温度值由实施者根据实际情况进行设定,也可以根据先
验知识进行设定还可以根据大数据统计推进电机出现质量问题时的温度,将由大数据统计
出的推进电机出现质量问题时的温度作为预设危险温度值。其中,代表各
历史温度值与均值的差值与历史温度值的标准差的比值的四次方,该四次方衡
量了温度值序列中温度值的分布的集中程度,该四次方的值越大则反映温度值序列中出现
的偏离均值的极端值更多,则对应的新的温度值出现的数值波动对比温度值序列中存在的
波动会更加不为明显,则新加入的实时温度值出现异常的概率越小,对应的近似因子越大。中为当前的实时温度值减去温度值序列中的最小历史温度值,代表当前
温度值序列中温度的升高数值,该数值越高反映当前电机测试中已经出现了一定
的温度差。代表当前的实时温度值相对限定的最高温度值的接近程度。需要说明的
是,不能大于或等于零,也即为实时温度值d要小于预设危险温度值,因为当时实时温
度值大于预设危险温度值时可以直接判定推进电机发生异常,此时需要直接对推进电机进
行异常检测。该的数值越小,则反映温度区间需要的识别敏感度更高,而电机温度值
随时序变化,也在一定方面代表了序列长度。得到的近似因子反映了实时温度值相对于整
体的温度值序列的近似因子,当实时温度值发生异常时,实时温度值与整体的温度值序列
的近似程度越小,则差异越大,越大,对应的越小,则对应的近似因
子越小。推进电机的每个部位均有各自对应的近似因子。
基于温度值序列中的温度值的实时更新,随之不断的更新预测温度值和最新得到的实时温度值的近似因子。
数据评价模块40,用于结合推进电机各部位的预测温度值和温度值对应的近似因子的变化情况确定推进电机各部位的异常评价值。
在得到推进电机各部位的实时温度值的近似因子之后,对近似因子描述的实时温度值产生的温度值序列变化差异、预测温度值发生异常时近似因子的变化,并结合预测温度值序列进行异常数据的确定识别。
推进电机逐渐升温的过程中,随实时温度值d逐渐上升,对应的近似因子的计算公
式中的后半部分的分子增大分母减小,代表整体数据增大。而当近似因子的计算
公式中的前半部分越高,代表温度值序列中截止当前时刻的实时温度值
时,温度值序列中存在产生偏离的情况越不明显,对应的近似因子越大。
部件之间的热传导是一个较平缓的过程,而温度在短时的较大跃升过程,会出现异常值导致序列中短时出现较多的存在较大偏离均值的极端数值,令近似因子在短时内数值出现明显降低。而此时对应的预测温度值序列中,由于通过实时温度值经过线性过程得到预测温度值,而跃升的实时温度值带来预测温度值的提升存在滞后性,因为预测温度值产生增长变化时,是通过前一时刻的温度值和前一时刻之前的温度值进行分析得到的。
通过实时温度值对应近似因子的降低变化情况以及预测温度值序列的滞后特点综合得到推进电机各部位的异常评价。也即结合推进电机各部位的预测温度值和温度值对应的近似因子的变化情况确定推进电机各部位的异常评价值,具体的:以推进电机的任意部位作为目标部位,获取目标部位的最大预测温度值和最小预测温度值的差值,作为目标部位的预测极差值;获取目标部位的当前时刻对应的预测温度值和前一时刻对应的预测温度值的差值,作为目标部位的实时预测差值,将实时预测差值和预设调节阈值的和值作为目标部位的调节预测差值;将目标部位的预测极差值和调节预测差值的比值作为目标部位的第一异常评价值;计算目标部位的当前时刻对应的温度值和前一时刻对应的温度值的近似因子的差值的正相关映射值作为第二异常评价值;将目标部位的第一异常评价值和第二异常评价值的乘积的归一化值作为目标部位的异常评价值。
以第t个时刻为当前时刻,以第c个部位为目标部位为例,当前时刻目标部位的异常评价值的计算公式为:
其中,为目标部位的当前时刻对应的异常评价值;为归一化函数;为目
标部位的当前时刻对应的最大预测温度值;为目标部位的当前时刻对应的最小预
测温度值;为目标部位的当前时刻对应的预测极差值;为目标部位的
当前时刻对应的预测温度值;为目标部位的前一时刻对应的预测温度值;为目
标部位的当前时刻对应的实时预测差值;为目标部位的当前时刻对应的第
一异常评价值;为目标部位的当前时刻对应的温度值的近似因子;为目标部位的前一
时刻对应的温度值的近似因子;为目标部位的当前时刻对应的第二异常评价值;e为
自然常数;β为预设调节阈值;为目标部位的当前时刻对应的调节预测差值。在
本发明实施例中预设调节阈值的取值为0.01,是为了避免出现分母为0的情况,在其他实施
例中可由实施者根据实际情况调整该取值。
需要说明的是目标部位的当前时刻对应的最大预测温度值即为,在当前时刻之前
的已经预测到的预测温度值中的最大值。本发明通过以自然常数e为底数,以为指
数的指数函数实现对的正相关映射。目标部位的第一异常评价值反
映了目标部位对应的预测温度值的波动情况,预测温度值的波动情况越大,则对应的第一
异常评价值越大,该目标部位对应的最终的异常评价值越大。其中近似因子反映了目标部
位的实时温度值的异常情况,当相邻两时刻的温度值的近似因子越接近,则反映目标部位
异常的概率越小,则对应的越小,则对应的异常评价值越小,当越大时,则
反映近似因子的波动情况越大,对应的异常评价值越大,目标部位出现异常的概率越大。虽
然监测数据与预测数据的获取存在轻微滞后,即获取监测数据后,需要通过线性过程得到
预测数据,而线性过程的时间复杂度为,而传导系数等先验参数不占用序列比对过程
的算力,因此,线性计算的轻微滞后性在计算机内部处理的时间与电机运转产生的温度上
升相比不存在明显时刻差异,能够满足及时鉴别电机异常并启动对应程序介入异常产品处
理的需求。最后通过现有线性归一化至[0,1]区间,得到当前时刻的归一化后的异常评价
值。
质量判断模块50,用于根据推进电机各部位的异常评价值,对推进电机进行质量判断。
在得到推进电机各部位的异常评价值之后,根据近邻时序上的异常评价值,对推进电机进行质量判断。
具体的:以推进电机的任意部位作为目标部位,获取目标部位对应的异常评价值
序列。需要说明的是,该异常评价值序列中的异常评价值根据时序顺序排列,也即异常评价
值序列中最后一个异常评价值为最新获取的数据。计算目标部位对应的异常评价值序列的
最后预设数量个异常评价值中前一时刻和后一时刻的异常评价值的差值的均值,作为目标
部位的第一异常判断指标。在本发明实施例中预设数量的取值为5,在其他实施例中由实施
者根据实际情况调整该取值。也即为对于目标部位对应的异常评价值序列中最后五个异常
判断指标,从前向后,分别计算两个相邻的异常评价值的差值,5个异常评价值会得到4个差
值,将四个差值的均值作为第一异常判断指标。例如从当前位置起,时序上前5个时刻之间
的异常评价值记为(Yt-4,Yt-3,Yt-2,Yt-1,Yt),分别计算,,,。,即为
四个差值,该四个差值的均值为目标部位的第一异常判断指标。
然后将目标部位的当前时刻的异常评价值和前一时刻的异常评价值的差值作为目标部位的第二异常判断指标。也即将最新获取的目标部位的异常评价值和上一时刻的异常评价值的差值作为目标部位的第二异常判断指标。
进一步的,比较目标部位的第一异常判断指标和第二异常判断指标,将目标部位的第一异常判断指标和第二异常判断指标中的最大值作为目标部位的调节异常值。以目标部位的当前时刻的异常评价值和调节异常值的和值作为目标部位的最终判断指标。该最终判断指标用于实现对推进电机各个部位的异常情况的判断。
当目标部位的最终判断指标大于或等于预设判断阈值时,判断目标部位为推进电机的质量异常部位,也即当前目标部位对应的外壳部位出现了异常情况。当目标部位的最终判断指标小于预设判断阈值时,判断目标部位为推进电机的质量正常部位。在本发明实施例中预设判断阈值的取值为0.7,在其他实施例中可由实施者根据实际情况调整该取值,例如当实施者对推进电机的质量要求较高时,可以对应的将预设判断阈值调高,当实施者对推进电机的质量要求较低时,可以对应的将预设判断阈值调低。
通过对推进电机上的多个外壳部位均进行异常判断,筛选产生异常的外壳部位,也即质量异常部位。由控制计算机输出对应外壳部位的质量异常情况,将对应异常位置通过可视化设备向质检人员进行展示,由质检人员操控相关设备进行筛选。
传统的动态时间规整算法(Dynamic Time Warping, DTW)以及导数动态时间规整算法(Derivative Dynamic Time Warping, DDTW),均通过单数据点或序列相邻极少量点的特征进行判断,但电机升温是一个较长时序的过程,并不会在时序上形成数据突变点,因此单数据点特征判断常在发生明显异常后在进行识别,检测的灵敏度不足。本发明通过序列沿时序的变化特性对时序累计特征进行识别判断,将电机的升温散热过程融入数据点代表的特征值中进行准确判断,以不改变监测温度阈值的情况下更敏感的识别数据产生异常的时刻,实现尽早控制系统进行介入减少异常升温,减少对推进电机造成的损坏的情况出现。
综上所述,本发明涉及测量检测技术领域。该系统包括数据获取模块、数据预测模块、数据处理模块、数据评价模块和质量判断模块。数据获取模块用于获取推进电机各部位的温度值。数据预测模块用于根据推进电机各部位的历史温度值对推进电机的温度进行预测,得到推进电机各部位的预测温度值。数据处理模块用于根据推进电机各部位的历史温度值的变化特征确定推进电机各部位的实时温度值的近似因子。数据评价模块用于结合推进电机各部位的预测温度值、温度值和对应的近似因子的变化情况确定推进电机各部位的异常评价值。质量判断模块,用于根据推进电机各部位的异常评价值,对推进电机进行质量判断,实现对推进电机进行质量判断,避免推进电机因异常升温而造成了推进电机的损坏,提高了推进电机生产异常检测的灵敏度。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
Claims (4)
1.一种推进电机的生产质量检测系统,其特征在于,该系统包括以下模块:
数据获取模块,用于获取推进电机各部位的温度值;
数据预测模块,用于根据推进电机各部位的历史温度值对推进电机的温度进行预测,得到推进电机各部位的预测温度值;
数据处理模块,用于根据推进电机各部位的历史温度值的变化特征确定推进电机各部位的实时温度值的近似因子;
数据评价模块,用于结合推进电机各部位的预测温度值和温度值对应的近似因子的变化情况确定推进电机各部位的异常评价值;
质量判断模块,用于根据推进电机各部位的异常评价值,对推进电机进行质量判断;
其中,根据推进电机各部位的异常评价值,对推进电机进行质量判断的方法,包括:以推进电机的任意部位作为目标部位,获取目标部位对应的异常评价值序列,并计算目标部位对应的异常评价值序列的最后预设数量个异常评价值中前一时刻和后一时刻的异常评价值的差值的均值,作为目标部位的第一异常判断指标;将目标部位的当前时刻的异常评价值和前一时刻的异常评价值的差值作为目标部位的第二异常判断指标;将目标部位的第一异常判断指标和第二异常判断指标中的最大值作为目标部位的调节异常值;以目标部位的当前时刻的异常评价值和调节异常值的和值作为目标部位的最终判断指标;当目标部位的最终判断指标大于或等于预设判断阈值时,判定目标部位为推进电机的质量异常部位;当目标部位的最终判断指标小于预设判断阈值时,判定目标部位为推进电机的质量正常部位。
2.根据权利要求1所述的推进电机的生产质量检测系统,其特征在于,所述近似因子的计算公式为:
其中,为第c个部位的实时温度值d的近似因子;/>为第c个部位的历史温度值的数量;/>为第c个部位的第i个历史温度值;/>为第c个部位的历史温度值的均值;/>为第c个部位的历史温度值的标准差;/>为第c个部位的历史温度值最小值;/>为预设危险温度值;β为预设调节阈值。
3.根据权利要求1所述的推进电机的生产质量检测系统,其特征在于,所述结合推进电机各部位的预测温度值和温度值对应的近似因子的变化情况确定推进电机各部位的异常评价值,包括:
以推进电机的任意部位作为目标部位,获取目标部位的最大预测温度值和最小预测温度值的差值,作为目标部位的预测极差值;获取目标部位的当前时刻对应的预测温度值和前一时刻对应的预测温度值的差值,作为目标部位的实时预测差值,将实时预测差值和预设调节阈值的和值作为目标部位的调节预测差值;将目标部位的预测极差值和调节预测差值的比值作为目标部位的第一异常评价值;
计算目标部位的当前时刻对应的温度值和前一时刻对应的温度值的近似因子的差值的正相关映射值作为第二异常评价值;
将目标部位的第一异常评价值和第二异常评价值的乘积的归一化值作为目标部位的异常评价值。
4.根据权利要求1所述的推进电机的生产质量检测系统,其特征在于,所述根据推进电机各部位的历史温度值对推进电机的温度进行预测,得到推进电机各部位的预测温度值,包括:
获取预设参考部位的最新的历史温度值,作为参考温度值;以推进电机的任意部位作为目标部位,将目标部位的最新的历史温度值,作为初始温度值;
将推进电机的预设散热系数作为初始温度值的权重,对初始温度值进行加权,得到目标部位的第一温度浮动值;将推进电机的预设温度传导系数作为参考温度值的权重,对参考温度值进行加权,得到目标部位的第二温度浮动值;
将目标部位的初始温度值和第一温度浮动值的差值作为目标部位的初始预测值;将目标部位的初始预测值和第二温度浮动值的和值作为目标部位的预测温度值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310618808.5A CN116340851B (zh) | 2023-05-30 | 2023-05-30 | 一种推进电机的生产质量检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310618808.5A CN116340851B (zh) | 2023-05-30 | 2023-05-30 | 一种推进电机的生产质量检测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116340851A CN116340851A (zh) | 2023-06-27 |
CN116340851B true CN116340851B (zh) | 2023-07-28 |
Family
ID=86893366
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310618808.5A Active CN116340851B (zh) | 2023-05-30 | 2023-05-30 | 一种推进电机的生产质量检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116340851B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102289405B1 (ko) * | 2020-10-05 | 2021-08-13 | 에너젠(주) | 이상징후 예지보전이 가능한 비상 발전기 및 그 제어 방법 |
WO2021212756A1 (zh) * | 2020-04-23 | 2021-10-28 | 平安科技(深圳)有限公司 | 指标异常分析方法、装置、电子设备及存储介质 |
WO2022070656A1 (ja) * | 2020-09-30 | 2022-04-07 | アズビル株式会社 | 異常検知モデルの評価システムおよび評価方法 |
WO2022095406A1 (zh) * | 2020-11-03 | 2022-05-12 | 国能龙源环保有限公司 | 脱硫装置运行性能及经济性的实时评价系统和应用方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6055149B2 (ja) * | 2015-05-22 | 2016-12-27 | 東海旅客鉄道株式会社 | 温度異常検出システム、温度異常検出方法 |
US20210281209A1 (en) * | 2015-06-04 | 2021-09-09 | Silverback Advanced Motor Monitoring, LLC | System and method for reliability and efficiency assessment of locomotive electric motors and systems driven thereby |
CN111338878A (zh) * | 2020-02-21 | 2020-06-26 | 平安科技(深圳)有限公司 | 异常检测方法、装置、终端设备及存储介质 |
JP7226376B2 (ja) * | 2020-03-10 | 2023-02-21 | 株式会社デンソー | 異常診断システム |
US12028009B2 (en) * | 2020-09-20 | 2024-07-02 | The Boeing Company | Protection system for aircraft electric propulsion motor and motor controller |
CN112706901B (zh) * | 2020-12-31 | 2022-04-22 | 华南理工大学 | 一种半潜船主推进系统半监督故障诊断方法 |
-
2023
- 2023-05-30 CN CN202310618808.5A patent/CN116340851B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021212756A1 (zh) * | 2020-04-23 | 2021-10-28 | 平安科技(深圳)有限公司 | 指标异常分析方法、装置、电子设备及存储介质 |
WO2022070656A1 (ja) * | 2020-09-30 | 2022-04-07 | アズビル株式会社 | 異常検知モデルの評価システムおよび評価方法 |
KR102289405B1 (ko) * | 2020-10-05 | 2021-08-13 | 에너젠(주) | 이상징후 예지보전이 가능한 비상 발전기 및 그 제어 방법 |
WO2022095406A1 (zh) * | 2020-11-03 | 2022-05-12 | 国能龙源环保有限公司 | 脱硫装置运行性能及经济性的实时评价系统和应用方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116340851A (zh) | 2023-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116304778B (zh) | 一种用于小型断路器维护数据处理方法 | |
CN110646194B (zh) | 一种换流阀冷却能力多维度分析预警方法及系统 | |
KR20200014129A (ko) | 딥러닝을 이용한 변압기 진단 방법 | |
CN117725541B (zh) | 退火炉运行状态智能监控与故障诊断系统 | |
CN115329283B (zh) | 一种启动马达高强度换向器寿命预测方法 | |
CN114593776A (zh) | 空调室外机全息参数商检方法及系统 | |
US20240185115A1 (en) | Method and apparatus for early warning of dry pump shutdown, electronic device, storage medium and program | |
CN109933020A (zh) | 异常预兆通知系统、异常预兆通知方法和程序 | |
CN118194607B (zh) | 一种用于锅炉机组数据动态建模方法及系统 | |
Bejaoui et al. | A data-driven prognostics technique and rul prediction of rotating machines using an exponential degradation model | |
CN116340851B (zh) | 一种推进电机的生产质量检测系统 | |
CN118051083A (zh) | 一种加热丝的智能温控方法和装置 | |
CN113726006B (zh) | 水电生产分析决策支持系统 | |
CN117728079B (zh) | 一种新能源电池包的电池温控管理方法及系统 | |
CN116757337B (zh) | 一种基于人工智能的房建施工进度预测系统 | |
JP2004234302A (ja) | プロセス管理装置 | |
CN117662510A (zh) | 一种风机故障诊断系统及其方法 | |
CN117849511A (zh) | 一种基于无线充电数据分析的充电异常诊断方法及系统 | |
CN109460099B (zh) | 电气设备表面温升电流跟踪调整检验装置及检验方法 | |
CN115632486B (zh) | 一种基于物联网的用电安全管理方法及系统 | |
CN114994451B (zh) | 一种船舶电气设备故障探测方法及系统 | |
KR100340967B1 (ko) | 일반 회귀 신경망을 이용한 고장 검출 방법 | |
CN111474476A (zh) | 一种电机故障预测方法 | |
CN116192038A (zh) | 光伏系统故障诊断方法、装置及计算机设备 | |
KR20230077994A (ko) | 제조 설비의 고장 예측 시스템 |
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 |