[發明專利]一種三相電機的故障檢測方法及裝置

有效

• 申請號: 201710123558.2
• 申請日: 2017-03-03
• 公開（公告）號: CN106872894B
• 公開（公告）日: 2020-01-17
• 發明（設計）人: 郝祁;法哈德·普那哈;張彬
• 申請（專利權）人: 南方科技大學
• 主分類號: G01R31/34
• 分類號: G01R31/34;G06K9/62
• 代理公司: 11332 北京品源專利代理有限公司
• 代理人: 孟金喆;胡彬

1.一種三相電機的故障檢測方法，其特征在于，包括：

采集三相電機的輸入信號；

根據預設的特征類別提取所述輸入信號的特征值；

將所述特征值輸入訓練模型，所述訓練模型包括網絡隱藏節點和對應的影響值；

根據所述訓練模型的輸出結果，獲取故障檢測結果；

根據預設的特征類別提取所述輸入信號的特征值，包括：

建立故障標簽的特征集；

根據特征提取類別，提取每個故障標簽對應的三相電機的輸入信號的特征值，將所述特征值組成向量組，作為一個樣本，獲取與所述樣本對應的樣本標簽，直至完成對三相電機各個故障類型標簽下預設個數的樣本和對應的樣本標簽的獲取。

2.根據權利要求1所述的方法，其特征在于，將所述特征值輸入訓練模型，所述訓練模型包括網絡隱藏節點和對應的影響值，包括：

將樣本和對應的樣本標簽輸入至混合模型，根據所述樣本標簽對所述混合模型進行監督訓練，獲取網絡隱藏節點最大值；

對所述混合模型中的網絡隱藏節點最大值的節點進行標簽檢測，根據檢測結果，對所述網絡隱藏節點調整影響值；

根據所述網絡隱藏節點和對應的影響值，獲得訓練模型。

3.根據權利要求2所述的方法，其特征在于，對所述混合模型中的網絡隱藏節點最大值的節點進行標簽檢測，根據檢測結果，對所述網絡隱藏節點調整影響值，包括：

當所述網絡隱藏節點輸出的標簽與輸入樣本的樣本標簽不一致時，調整影響值為所述網絡隱藏節點的節點值與折扣因子之積加上第一檢測因子后，再乘以學習速率，最后加上當前影響值的結果；

當所述網絡隱藏節點輸出的標簽與輸入樣本的樣本標簽一致時，調整影響值為所述網絡隱藏節點的節點值與折扣因子之積加上第二檢測因子后，再乘以學習速率，最后加上當前影響值的結果。

4.根據權利要求1或2所述的方法，其特征在于，根據所述訓練模型的輸出結果，獲取故障檢測結果，包括：

使用所述訓練模型進行故障檢測，計算每一個隱藏節點的a*Q+(1-a)*FAM的值，作為每一個隱藏節點的計算結果，獲取計算結果的最大值，作為輸出結果，其中，a為預設值，Q為影響值，FAM為網絡隱藏節點值；

根據輸出結果，獲取與所述輸出結果對應的網絡隱藏節點的樣本標簽，作為故障檢測結果。

5.一種三相電機的故障檢測裝置，其特征在于，包括：

采集模塊，用于采集三相電機的輸入信號；

特征值提取模塊，用于根據預設的特征類別提取所述輸入信號的特征值；

訓練模型獲取模塊，用于將所述特征值輸入訓練模型，所述訓練模型包括網絡隱藏節點和對應的影響值；

故障檢測模塊，用于根據所述訓練模型的輸出結果，獲取故障檢測結果；

所述特征值提取模塊包括：

特征集建立單元，用于建立故障標簽的特征集；

特征值獲取單元，用于根據特征提取類別，提取每個故障標簽對應的三相電機的輸入信號的特征值，將所述特征值組成向量組，作為一個樣本，獲取與所述樣本對應的樣本標簽，直至完成對三相電機各個故障類型標簽下預設個數的樣本和對應的樣本標簽的獲取。

6.根據權利要求5所述的裝置，其特征在于，所述訓練模型獲取模塊包括：

訓練單元，用于將樣本和對應的樣本標簽輸入至混合模型，根據所述樣本標簽對所述混合模型進行監督訓練，獲取網絡隱藏節點最大值；

檢測單元，用于對所述混合模型中的網絡隱藏節點最大值的節點進行標簽檢測，根據檢測結果，對所述網絡隱藏節點調整影響值；

獲取單元，用于根據所述網絡隱藏節點和對應的影響值，獲得訓練模型。