[發明專利]一種電機故障診斷方法、系統及設備

在審

• 申請號: 202110939590.4
• 申請日: 2021-08-16
• 公開（公告）號: CN113705396A
• 公開（公告）日: 2021-11-26
• 發明（設計）人: 劉凌;楊宇辰
• 申請（專利權）人: 西安交通大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08;G06T3/40
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 房鑫

本發明公開了一種電機故障診斷方法、系統及設備，方法包括以下步驟：獲取待測試電機的時序信號；對待測試電機的時序信號進行時頻變換，得到時序信號的能量特征指標，作為待測試電機的實值樣本；對待測試電機的實值樣本進行量子態描述，得到量子態描述的實值樣本；將量子態描述的實值樣本輸入至預設的電機故障診斷模型，輸出得到待測試電機的故障診斷結果；本發明通過量子態描述待測試電機的實值樣本，以量子態相似系數取代隱含層歐式距離計算，利用預設的電機故障診斷模型，對待測試電機的實值樣本進行分類，實現電機的故障診斷，無需依賴人工巡檢或解析模型；無需依賴于人工巡檢或解析模型的局限性，有效提高了故障診斷算法的精確度。

技術領域

本發明屬于電機故障診斷及人工智能技術領域，特別涉及一種電機故障診斷方法、系統及設備。

背景技術

當今社會，隨著科學技術的不斷進步和經濟的快速發展，電機作為重要的驅動設備，被廣泛應用于生產生活的諸多領域中，并在現代化建設和工業制造中發揮著無可替代的作用。電機在運行中一旦發生故障，將會引發一系列連鎖反應，導致整個工業流程出現停滯現象，影響生產效率，甚至會造成生命及財產的損失。因此，開發電機故障診斷技術有益于保障動力設備的安全，穩定運行，實現電機的有效管理和維護，進而大大提升驅動設備的效益。

傳統的電機故障診斷方法通常基于解析模型進行，根據系統各類狀態參數之間的關系，使用一定的邏輯語言對待診斷系統建立解析模型。該類方法要求建立精確的數學關系，并選擇合適的狀態參數及統計決策，在實際應用中局限性大、復雜性高及精度較低的問題。

發明內容

針對現有技術中存在的技術問題，本發明提供了一種電機故障診斷方法、系統及設備，以解決現有的電機故障診斷方法存在的局限性大、復雜性高及精度較低的技術問題。

為達到上述目的，本發明采用的技術方案為：

本發明提供了一種電機故障診斷方法，包括以下步驟：

獲取待測試電機的時序信號；

對待測試電機的時序信號進行時頻變換，得到時序信號的能量特征指標，作為待測試電機的實值樣本；

對待測試電機的實值樣本進行量子態描述，得到量子態描述的實值樣本；

將量子態描述的實值樣本輸入至預設的電機故障診斷模型，輸出得到待測試電機的故障診斷結果。

進一步的，待測試電機的時序信號包括待測試電機運行時的三軸加速度信號、電流信號及電壓信號。

進一步的，對待測試電機的時序信號進行時頻變換，得到時序信號的能量特征指標的過程，具體如下：

采用改進的經驗模態分解方法，對待測試電機的時序信號進行時頻變換，得到時序信號的能量特征指標。

進一步的，采用量子態描述公式對待測試電機的實值樣本進行量子態描述，得到量子態描述的實值樣本；其中，量子態描述公式如下：

|X〉＝[|x₁,|x₂,…|x_d]^T

其中，X為待測試電機的實值樣本，x_i為待測試電機的實值樣本中的第i維特征；|X為量子態描述的實值樣本，|x_i為待測試電機的實值樣本第i維特征的量子態描述，d為待測試電機的實值樣本的總維數。

進一步的，預設的電機故障診斷模型為采用改進的麻雀搜索算法優化后的量子衍生概率神經網絡模型；其中，改進的麻雀搜索算法為采用反向學習策略和高斯擾動對麻雀搜索算法進行改進得到。

進一步的，采用改進的麻雀搜索算法對量子衍生概率神經網絡模型的訓練優化過程，具體如下：