[發明專利]一種電動機故障診斷及劣化趨勢預測系統

有效

• 申請號: 202111463537.8
• 申請日: 2021-12-03
• 公開（公告）號: CN114167282B
• 公開（公告）日: 2022-08-12
• 發明（設計）人: 任家友;蘇則池;唐麗;黎波;聶云根;趙忠
• 申請（專利權）人: 深圳市雙合電氣股份有限公司
• 主分類號: G01R31/34
• 分類號: G01R31/34
• 代理公司: 深圳市圳博友邦專利代理事務所(普通合伙) 44600
• 代理人: 陳烈軍

本發明提供了一種電動機故障診斷及劣化趨勢預測系統，系統包括：數據采集單元，主要是采集電動機電壓、電流數據，同時對對數據打時標；服務器單元可連接多個采集單元，主要對數據進行預處理模，頻譜分析塊，故障診斷塊，劣化趨勢預測等；數據庫單元用來儲存歷史數據典型故障樣本。系統采用機器學習及人工干預的方法，對電動機進行監測、故障診斷。不受電壓等級及運行工況影響，可智能分析電動機當前狀態，以及預測故障發展趨勢。采用上述電動機故障診斷及劣化趨勢預測方法及系統，可判斷電動機故障嚴重程度，預測故障發展趨勢。提前安排停機檢修維護計劃，提高生產效率，降低設備運維成本，增加企業經濟及安全收益。

技術領域

本發明涉及電動機故障診斷領域，尤其涉及一種電動機故障診斷及劣化趨勢預測系統。

背景技術

電動機作為發電、化工、船舶、鋼鐵、水泥等工業領域重要的輔機和動力來源，生產過程中起著舉足輕重的作用。關鍵設備電機出現故障，直接影響企業的正常生產，并造成檢修成本的增加，進而影響企業經濟效益。

電動機常見故障如轉子斷條故障、定子繞組故障和軸承故障。電動機故障診斷技術經過幾十年的發展，涌現出眾多原理和方法。其中主流的方法有基于電動機振動信號分析原理、基于電動機電氣量分析原理和基于電動機聲音信號分析原理。在電動機常見故障中轉子斷條故障、定子繞組故障屬于電氣量故障，振動信號分析原理和聲音信號分析原理不適合分析此類故障。基于電動機電氣量分析原理主要是通過采集電機電壓、電流，對電動機定子電流進行頻譜分析，從而找出故障頻譜特征，為了更好表達電動機故障嚴重程度，一般將頻譜特征進行量化，其量化值稱為故障指數、健康指數或其他名稱，指數越大說明故障越嚴重。在本發明中稱為故障指數。

但在工礦企業中實際運行的電機中，由于電動機種類繁多，運行工況(工況：是指設備在和其動作有直接關系的條件下的工作狀態)情況不同導致故障頻譜特征量化值大小無法真正體現電機故障嚴重程度，從而導致電機故障診斷正確率降低。比如10KV高壓電機頻譜分析故障指數為3時仍在屬于正常工作狀態，而380V低壓電機故障指數為2時已經出現故障影響其運行了。運行工況不同如電機負載不同，電機所體現的頻譜特征量化值大小所代表的故障嚴重程度也是不同的。比如滿載情況下測得得指數為1.0，而輕載情況下只有0.5。這樣通過頻譜特征無法說明電機是否出現故障，其準確率較低，也無法自動生成詳細故障報告。只能通過技術專家人工分析數據源，結合經驗評估故障指數，來判斷電機是否有故障以及嚴重程度。同時目前的電機診斷方法只能分析電機當前狀態，無法預測故障發展趨勢，雖然有些科研機構提出基于神經網絡方法建立模型達到預測故障發展趨勢，但此方法需要提前用大量各類型電機，各種已知故障特征的樣本對模型進行人工訓練，但此方法在實際應用中很難實現。

發明內容

針對上述現有技術中所存在的問題，本發明擬提供了一種電動機故障診斷及劣化趨勢預測系統。該系統和方法采用機器學習及人工干預方法，不受電壓等級及運行工況影響，可智能分析電動機當前狀態，以及預測故障發展趨勢，并自動產生電動機故障診斷報告。監測時間越長，接入的電機越多，其診斷正確率越高。

本發明要解決的技術問題所采取的技術方案是：

一種電動機故障診斷及劣化趨勢預測系統，其特征在于：

其系統包括：數據采集單元，服務器單元，數據庫單元，所述數據庫單元與服務器單元連接，所述服務器單元和數據采集單元分別連接以太網。所述數據采集單元采集包括采集模塊和對時模塊，采集模塊采集電動機電壓、電流數據，對時模塊對數據打時標。所述服務器單元包括數據預處理模塊，頻譜分析模塊，故障診斷模塊，劣化趨勢預測模塊等。所述數據庫單元包括歷史數據模塊和典型故障模塊。

進一步地，所述數據采集單元由采集模塊定時采集數據，對時模塊對數據打時標，對時模塊可接收GPS、北斗等衛星信號或B碼信息，同時對電機電壓、電流數據每個采樣點均打時標。